支持向量机:修订间差异

来自决策链云智库
无编辑摘要
 
无编辑摘要
第1行: 第1行:
{{Infobox nodebasic|nodename=支持向量机|nodeimage=Support Vector Machine.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::Support Vector Machine]]|abbreviation=SVM|funcmaincategory=机器学习|funcsubcategory=[[DataML Lv1 Cat::分类训练器]]|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=<p>支持向量机(Support Vector Machine,简称SVM)是一种广泛应用于分类和回归问题的监督学习算法。它的目标是找到一个最优的超平面或者决策边界,可以将不同类别的样本分开,并且具有较好的泛化能力。</p>|nodeinputnumber=2|nodeoutputnumber=3|nodeloopsupport=否|nodeifswitchsupport=否|nodeavailableplotlist=nodenoplotoutput|nodeavailabletablelist=|nodeconfiguration=|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■|statsapewikiurl=https://wiki.statsape.com/支持向量机_Plus|previousnode=[[决策树]]|nextnode=[[梯度提升树]]}}{{Navplate AlgorithmNodeList}}[[Category:分类训练器]]
{{Infobox nodebasic  
|nodename=支持向量机
|nodeimage=Support Vector Machine.png
|developer=Dev.Team-DPS
|productionstate=PC可用
|productionstatedesc=在[[DecisionLinnc | V1.0]]部署
|nodeenglishname=[[Has english name::Support Vector Machine]]
|abbreviation=[[Has abbreviation::SVM]]
|funcmaincategory=机器学习
|funcsubcategory=[[DataML Lv1 Cat::分类训练器]]
|nodecategory=数据挖掘
|nodeinterpretor=Python
|nodeshortdescription=<p>支持向量机(Support Vector Machine,简称SVM)是一种广泛应用于分类和回归问题的监督学习算法。它的目标是找到一个最优的超平面或者决策边界,可以将不同类别的样本分开,并且具有较好的泛化能力。</p>
|nodeinputnumber=2
|nodeoutputnumber=3
|nodeloopsupport=否
|nodeifswitchsupport=否
|nodeavailableplotlist=nodenoplotoutput
|nodeavailabletablelist=
|nodeconfiguration=
|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/支持向量机
|previousnode=[[决策树]]
|nextnode=[[支持向量机]]
}}
 
 
{{Navplate AlgorithmNodeList}}
 
[[Category:分类训练器]]

2023年12月4日 (一) 22:11的版本

Support Vector Machine.png
节点状态
PC可用
V1.0部署
支持向量机
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名支持向量机
功能主类别机器学习
英文缩写支持向量机
功能亚类别分类训练器
节点类型数据挖掘
开发语言Python
节点简介

支持向量机(Support Vector Machine,简称SVM)是一种广泛应用于分类和回归问题的监督学习算法。它的目标是找到一个最优的超平面或者决策边界,可以将不同类别的样本分开,并且具有较好的泛化能力。

端口数量与逻辑控制(PC)
Input-入口2个
Output-出口3个
Loop-支持循环
If/Switch-支持逻辑判断
输入输出
可生成图片类型(推荐)
可生成数据表类型(推荐)
可配置参数例型
相关节点
上一节点决策树
下一节点支持向量机


属性“Nodeicon”(作为页面类型)与输入值“File:”包含无效字符或不完整,并因此在查询或注释过程期间导致意外结果。


查找其他类别的节点,请参考以下列表