多层感知器与 SVM / 随机森林

【问题标题】：Multi layer perceptron Vs SVM / Random forest多层感知器与 SVM / 随机森林
【发布时间】：2019-12-05 13:43:11
【问题描述】：

当多层感知器没有收敛但 SVM 或随机森林在同一数据集上表现良好时，可能是什么原因？我的数据是 120 个特征，其数值介于 -1 到 1 之间，需要预测 5 个类中的任何一个。注意：我不知道这是什么数据？

SVM 准确率 91% 随机森林 86% 3500 epoch 后 2 层 MLP acc 74%

【问题讨论】：

你在使用 sklearn 吗？
不看你的 MLP 架构就很难说

标签： machine-learning random neural-network svm random-forest

【解决方案1】：

这不是一个奇怪的行为。一般来说，神经网络在分类和特征提取方面也非常出色，SVC 和随机福雷斯特分类器也是如此。但是，如果您使用的是 SKlearn，则神经网络的设计有限，这就是为什么如果您需要使用神经网络做某事，则认为 Tensorflow 会更好。它也可以取决于数据，您没有显示任何代码，但这就是为什么通常它也可以取决于数据以及您试图用它做什么。所以它可以是任何东西，但正如我所说的，如果你使用 sklearn Random Forrest 和 SVC 可能会给出更好的结果。这就是我个人从我的经验中注意到的。希望对你有帮助

【讨论】：