为什么使用支持向量机?

支持向量机工作得很好。在许多应用中,它们仍然是性能最好的算法之一。

我们已经看到了一些进展,尤其是在线性支持向量机方面,它可以比内核支持向量机训练得更快。

阅读更多文献。不要期望在这种QA格式中得到详尽的答案。代表你付出更多努力。

支持向量机最常用于有标记数据可用(监督学习)的分类问题,并可用于有限数据的建模。对于未标记数据的问题(无监督学习),支持向量聚类是一种常用的算法。由于决策边界不会重叠,支持向量机在二值分类问题上的表现更好。你的第二个和第三个问题很模糊(需要做很多工作!),但我只想说,支持向量机在医学数据科学中具有广泛的适用性。这里有一个链接,可以了解更多信息: Applications of Support Vector Machine (SVM) Learning in Cancer Genomics