我读了很多关于支持向量机的文章,在我看到的所有书籍和在线文章中,支持向量机被归类为使用超平面的线性分类器。如果数据不能线性可分,则可以将数据映射到高维,以启用线性边界。
现在,我看到了华盛顿大学著名机器学习专家佩德罗·多明戈斯教授的一些文章和幻灯片。他特别将支持向量机归类为一种基于实例的机器学习算法,类似于kNN.有人能跟我解释一下吗?
例如,在 in Communications of the ACM (2012年10月)中,他特别将支持向量机置于“实例”-based表示之下,而大多数机器学习人员会将其置于“超平面”下,并进行logistic回归。
此外,在他的中,他给出了这样的推