标签: neuro

    支撑向量机和神经元都是处理分类问题的重要手段。它们都有各自的优点和缺点。     通俗点来讲如果想把一个物体分类，我们首先要得到这个物体的一组属性，同类的物体他们的属性相近，在多维空间中表现为一个闭球，可以做一个函数（映射），使闭球内部的函数值为1，闭球外部的函数值为0等等，以此进行分类。     神经元网络在解决此类问题时要求设计N个超平面，把这个闭球“包”起来，这就会导致很多问题，这是它的缺点。它的优点是同时处理多个属性。     SVM要求闭球和闭球之间有明显的空白带，同时由于不存在三维以上的基函数，所以支撑向量机最多一次只能处理两个属性（有不同意见的可以回帖，毕竟我也不能保证我的观点就是正确的），这是它的缺点。它的优点是它的分界面比神经元的要更光滑，从而比神经元的精确度要更高。