數據挖掘分類--判別式模型 ----支持向量機

支持向量機是一種很是流行的監督學習的算法  簡稱SVM  針對線性和非線性的數據 它是利用一種非線性轉換，將原始訓練數據映射到高維空間上。

目前已經在手寫數字識別 對象識別 說話人識別  以及基準時間序列預測檢驗等方面獲得了普遍的應用

SVM的目標是尋求一個超平面，  關心的是讓離超平面最近的點可以具備最大的間距。

經過幾何邊緣和函數邊緣的關係改寫分類模式函數，最終進一步改寫成一個典型的二次規劃問題，，求解以後，能夠經過拉格朗日公式將最大邊緣超平面改寫成決策邊界。。。

SVM是一個相對比較新的概念，是一個肯定性的算法 ，具備很好的泛化特性，使用二次規劃技術進行批量學習，能夠使用核函數對複雜的函數進行學習。

 

 

---------------------------------

關聯分類 是基於關聯規則的  

分爲2步驟：第一步，是頻繁項集挖掘 搜索反覆出如今數據集中的屬性-值對的模式，其中每一個屬性-值對看做項，多個屬性-值對造成頻繁項集。

第二部，規則產生，分析頻繁項集，以便產生關聯規則。

 

估計錯誤率    真正  真負 假正  假負  能夠用於評估和分類器模型相關的代價和收益