在与分解机有关的这篇论文中，作者将分解机（FM）与SVM进行了比较。由于 FM 的性能优于 SVM，因此它被认为是稀疏数据的最先进技术。为什么 SVM 被认为是稀疏数据集的重要算法？SVM 的哪些特性使其更适合稀疏数据？
稀疏数据上的 SVM
数据挖掘
支持向量机
2021-09-15 01:24:08
1个回答
支持向量机(SVM) 将数据示例表示为空间中的点，并尝试创建一个在各个类别之间具有尽可能宽差距的映射。最接近差距的数据示例称为“支持向量”。这些支持向量定义了 SVM 分类器。
如果您能够识别支持向量，则可以忽略所有其他数据点和维度。因此 SVM 可以有效地处理稀疏数据。