В чём преимущества и недостатки использования метода опорных векторов (SVM) в задачах классификации и регрессии?

Преимущества использования метода опорных векторов (SVM) в задачах классификации и регрессии:

• Эффективность в пространствах высокой размерности и в случаях, когда число измерений больше числа выборок. scikit-learn.ru
• Эффективность с точки зрения памяти, так как используется подмножество обучающих точек в функции принятия решений (называемых опорными векторами). scikit-learn.ru
• Универсальность: для функции принятия решений могут быть заданы различные функциональные ядра. scikit-learn.ru
• Нахождение оптимальной разделяющей гиперплоскости, что приводит к более уверенной классификации. neerc.ifmo.ru koroteev.site

Недостатки использования SVM:

• Неустойчивость к шуму: выбросы в исходных данных становятся опорными объектами-нарушителями и напрямую влияют на построение разделяющей гиперплоскости. neerc.ifmo.ru
• Отсутствие общих методов построения ядер и спрямляющих пространств, наиболее подходящих для конкретной задачи. neerc.ifmo.ru
• Отсутствие отбора признаков. neerc.ifmo.ru
• Если число признаков намного больше числа выборок, то при выборе функциональных ядер и термина регуляризации следует избегать переобучения. scikit-learn.ru
• Метод не предоставляет оценки вероятностей напрямую, они вычисляются с помощью дорогостоящей пятикратной кросс-валидации. scikit-learn.ru