对于所有 SVM 版本,如 c-svm、v-svm、soft margin svm 等,支持向量不能作为训练样本吗?
最佳答案
不,不能。支持向量始终是训练集中的样本。
这是一件好事,因为这意味着支持向量机不知道其样本的内部结构及其支持向量。只有与 SVM 本身分离的核函数必须了解样本的结构。虽然大多数内核对数字向量进行操作,但也存在对字符串、树、图形等进行操作的内核。
(请注意,线性支持向量机可以在不考虑支持向量的情况下进行训练。即,当您使用 SGD 等算法通过适当的正则化在铰链损失下训练线性模型时,您会得到该模型相当于具有线性内核的 SVM,但支持向量是隐式的。)
关于machine-learning - 在SVM中,支持向量不能作为训练样本吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16233074/