小样本
-
支持向量回归
支持向量机(Support Vector Machine，SVM)是Corinna Cortes和Vapnik等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 在机器学习中，支持向量机（SVM，还支持矢量网络）是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。 -
-
支持向量机的回归拟合 ——混凝土抗压强度预测
（1）SVM 是专门针对小样本问题而提出的，其可以在有限样本的情况下获得最优解； （2）SVM 算法最终将转化为一个二次规划问题，从理论上讲可以得到全局最优解，从而解 决了传统神经网无法避免局部最优的问题； （3）SVM 的拓扑结构由支持向量决定，避免了传统神经网络需要反复试凑确定网络结构的
