七、其它讨论

  1. 支持向量机的优点：

    • 有严格的数学理论支持，可解释性强。
    • 能找出对任务至关重要的关键样本（即：支持向量）。
    • 采用核技巧之后，可以处理非线性分类/回归任务。

  2. 支持向量机的缺点：

    • 训练时间长。当采用SMO 算法时，由于每次都需要挑选一对参数，因此时间复杂度为 七、其它讨论 - 图1 ，其中 七、其它讨论 - 图2 为 七、其它讨论 - 图3 的长度，也就是训练样本的数量。
    • 当采用核技巧时，如果需要存储核矩阵，则空间复杂度为 七、其它讨论 - 图4 。
    • 模型预测时，预测时间与支持向量的个数成正比。当支持向量的数量较大时，预测计算复杂度较高。

    因此支持向量机目前只适合小批量样本的任务，无法适应百万甚至上亿样本的任务。