SVM(支持向量机)

资 源 简 介

SVM(支持向量机)

详 情 说 明

支持向量机（SVM）是一种强大的监督学习算法，主要用于分类任务。它通过寻找最优超平面来最大化不同类别之间的间隔，从而在二分类或多分类问题中表现出色。

### 二分类SVM 在二分类任务中，SVM的目标是将数据分成两个类别。MATLAB提供了`fitcsvm`函数来训练二分类SVM模型。训练完成后，可以使用`predict`函数进行预测。

### 多分类SVM SVM本身是二分类算法，但可以通过两种策略扩展到多分类问题：

#### 1. 一对一（One-vs-One） 对于K个类别，训练K×(K-1)/2个分类器，每个分类器负责区分其中两个类别。预测时采用投票机制，选择得票最多的类别作为最终结果。MATLAB可以使用`fitcecoc`函数并设置`'Coding'`参数为`'onevsone'`来实现。

#### 2. 一对多（One-vs-All） 训练K个分类器，每个分类器将一个类别与其他所有类别区分开。预测时选择置信度最高的类别。在MATLAB中，同样可以使用`fitcecoc`，但默认情况下采用一对多策略。

### 训练与测试流程 无论是二分类还是多分类，基本流程包括： 数据预处理（如归一化）。 选择核函数（线性、多项式、RBF等）。 训练模型并调整超参数（如惩罚系数C）。 使用测试集评估模型性能（准确率、混淆矩阵等）。

MATLAB的SVM实现简洁高效，适合快速验证算法性能。对于多分类问题，选择合适的策略可以显著提升模型的泛化能力。