SVM有什么优缺点

2.间隔最大化的思想, 取得最优分类超平面. 

3.最终结果只由支持向量决定, 剔除了大量的冗余样本, 因此具有一定的鲁棒性. 

4.决策函数也只由支持向量决定, 降低了计算复杂度. 

5.有坚实的理论基础.

1.涉及m阶矩阵的计算, 当m很大时候计算的空间复杂度和时间复杂度都很高. 

2.传统的SVM只能给出二分类的结果, 对于多分类需要需要用到组合分类器. 

3.对数据缺失敏感, 对参数与核函数选择敏感.