018、经典监督学习(下):SVM、朴素贝叶斯与集成学习

张开发
2026/4/18 3:25:34 15 分钟阅读

分享文章

018、经典监督学习(下):SVM、朴素贝叶斯与集成学习
从一次分类器选型失误说起上个月在做一个工业质检的嵌入式项目,客户给了一批带标签的缺陷图像数据,要求实时分类。我第一反应用了逻辑回归,上线后发现某些边缘样本总是分错,召回率卡在85%上不去。调试到凌晨三点,突然意识到——数据分布本身有重叠,决策边界根本不是线性的。这才重新审视SVM和集成方法,问题迎刃而解。今天我们就聊聊这些“经典但不过时”的监督学习算法,它们在实际工程中的选型思考。支持向量机(SVM):边界最大化的艺术SVM的核心思想很工程师:在两个类别之间找一条最宽的“隔离带”。数学上这叫最大化间隔,但咱们用调试视角理解:它关心的是靠近决策边界的那些难分样本,而不是所有数据点。fromsklearnimportsvmimportnumpyasnp# 生成一些线性不可分的数据X=np.array(

更多文章