【问题标题】:How to choose the right kernel functions如何选择正确的核函数
【发布时间】:2013-06-02 15:09:40
【问题描述】:

我有一个非常普遍的问题:如何为 SVM 选择正确的核函数?我知道最终的答案是尝试所有内核,进行样本外验证,然后选择具有最佳分类结果的内核。但除此之外,是否有尝试不同内核功能的指导方针?

【问题讨论】:

  • 大多数时候最好使用的内核是 RBF 内核。原因是大多数事物遵循高斯分布。据我所知,“为什么”的答案与central limit theorem 有关。

标签: machine-learning artificial-intelligence svm


【解决方案1】:

始终首先尝试线性核,因为它速度快得多,并且在许多情况下(特别是高维问题)可以产生很好的结果。

如果线性内核失败,通常最好的选择是 RBF 内核。众所周知,它们在各种各样的问题上都表现出色。

【讨论】:

  • 如何知道线性内核是否“失败”?是不是线性核模型的性能比 SVM 以外的其他模型差?
【解决方案2】:

在这里寻找答案。

https://stats.stackexchange.com/questions/18030/how-to-select-kernel-for-svm

基本上,没有一条好的路径可供选择,除非您知道有关数据的重要信息,这些信息可能会决定使用正确的内核。但是,请点击上面的链接以获取更多具体信息。

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 2015-10-06
    • 1970-01-01
    • 2015-05-19
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2022-10-17
    • 1970-01-01
    相关资源
    最近更新 更多