支持向量机怎么做：SPSSAU软件操作步骤与结果指标解读.docxVIP

一、支持向量机所属模块

支持向量机在SPSSAU中属于【机器学习】模块。

二、方法概述

支持向量机是一类常用的机器学习方法，既可用于分类，也可用于回归。它适合处理特征较多、边界关系较复杂的数据场景，常用于预测、识别类别以及评估变量对结果的区分能力。

三、变量设置规则

1.总体要求

支持向量机共需要设置2类变量，分别是分析项（X定量）和因变量Y。两类变量都为必填。

2.具体设置

（1）分析项（X定量）

●最少放入1个，最多可放入400个变量，且为必填。

●用于放入模型的输入特征，也就是参与分类或预测判断的定量变量。

（2）因变量Y

●只能放入1个变量，且为必填。

●用于放入模型要预测的目标变量。若Y为类别数据，通常对应分类任务；若Y为定量数据，通常对应回归任务。

四、参数设置及解释说明

1.训练集比例

●用于设置总样本中有多少比例参与模型训练，默认值为0.8。

●训练样本越多，模型学习通常越充分；但测试样本会相应减少。一般可先使用默认设置。

2.数据归一化

●可选None、norm、mas、mms。

●None表示不处理；norm表示正态标准化；mas表示区间化；mms表示归一化。

●支持向量机对变量尺度较敏感，如果不同变量量纲差异较大，通常建议先做数据处理。

3.保存预测值

●勾选后会额外保存预测信息。

●分类任务下通常会保存预测类别和各类别预测概率