王　琳，解婷婷

(成都理工大学管理科学学院，四川成都610059)



基于支持向量机算法的数据分类验证研究

王琳，解婷婷

(成都理工大学管理科学学院，四川成都610059)

支持向量机是利用已知数据类别的样本为训练样本，寻找同类数据的空间聚集特征，从而对测试样本进行分类验证，通过验证可将分类错误的数据进行更正.以体检数据为数据背景，首先通过利用因子分析将高维数据进行降维，由此将所有指标整合成几个综合性指标；为降低指标之间的衡量标准所引起的误差，利用MATLAB软件将数据进行归一化处理，结合聚类分析将数据分类；最后利用最小二乘支持向量机分类算法进行分类验证，从而计算出数据分类的准确率，并验证了数据分类的准确性和合理性.

因子分析；聚类分析；最小二乘；支持向量机；空间聚集特征

数据分类是数据挖掘中最常用的方法，通常用于研究分析同一类数据的特征，以此挖掘更多潜在信息，因此数据分类在数据分析中占据非常重要的位置.数据分类方法主要有聚类分析、主成分与因子分析、方差分析以及关联分析等.[1-3]利用这些简单的数据分类方法得出来的数据结果大都会出现较多的异常点，这些异常点往往会在某种程度上反映了分类方法的准确度.因此针对数据分类的结果进行验证具有不可忽视的意义.

支持向量机是一种基于分类边界的分类方法，主要根据同类数据在空间中所呈现的……