SVM 的优缺点优点:(1)非线性映射是SVM方法的理论基础,SVM利用内积核函数代替向高维空间的非线性映射; (2)对特征空间划分的最优超平面是SVM的目标, ... ... <看更多>
svm優點 在 支持向量机SVM | Pre-Demo-Field #8 的推薦與評價
... 支持向量机(Support Vector Machine) SVM的优点和缺点优点:泛化错误率低,计算开销不大,结果易解释缺点:对参数调节和核函数的选择敏感, ... ... <看更多>
svm優點 在 SVM :: 博碩士論文下載網 的推薦與評價
... 介紹,svm算法,svm實作,SVM Python,svm機器學習python,svm應用,svm優點,svm原理. ... SVM(supportvectormachine支援向量機),是在特徵空間中找到一個分離超平面,也 ... ... <看更多>
svm優點 在 機器學習首部曲--- SVM 支援向量機(字幕) 的推薦與評價
遇到小樣本該怎麼處理? 樣本無法線性分割該怎麼辦? SVM是一種線性分類器,卻可以拓展到解決非線性分割的問題。針對解決小樣本、非線性、高維度及局部 ... ... <看更多>
svm優點 在 Re: [問題] logistic regression vs SVM - 看板DataScience 的推薦與評價
※ 引述《jikett (jikeZ)》之銘言:
: 各位大神前輩好,小弟不才,最近在面試遇到一個有趣的問題,
: 面試官問說data在什麼情況下會用logistic regression,什麼
: 情況下會用SVM?
: 當下有點愣住,若談boundary的特性,兩個都可以透過kernel
: trick轉成nonlinear。印象中以前看蠻多例子都會用
: K-fold cross validation做比較,好像沒有一個通則說什麼情
: 形下哪一個一定會優於另一個。
: 後來跟一個Phd朋友討論後,也只得到說logistic regression在
: data seperable情況下,MLE會是無窮大,但在practical中並不
: 常見完全seperable的data?!
: 另外有想到說loss的差異,但其實hinge loss跟logistic regression
: 的loss(sigmoid+cross entropy)似乎也只有微小差異? 且loss的
: 不同似乎也不是面試官想問的data特性?
: 最後只想到multi-class,LR有softmax推廣到multi-class,但SVM
: 也可以做1-vs-all SVMs。不曉得各位大神前輩們對於這兩者的比較
: 適用於什麼樣的data有什麼看法? 先謝謝各位大神前輩!
你好
我最近在唸Python 機器學習 第二版
剛好有看到跟你這個問題相關的內容
在 84頁
有這些內容:
邏輯斯迴歸 與支持向量機的比較
在實際的分類工作中,線性邏輯斯迴歸與線性支援向量機
常常會產生非常相似的結果。但是邏輯斯迴歸試圖最佳化訓練數據集的條件概似,
這會使邏輯斯迴歸比支援向量機更容易傾向於離群值。支援向量機主要在意的是
那些非常接近決策邊界(支援向量)的那些點。邏輯斯迴歸有另一個優點是,他是一個簡
單的模型,可以更容易的實作。另外,邏輯斯迴歸模型可以很容易的完成更新處理,
這在處裡串流數據的時候,是非常吸引人的優點。
從上述內容 似乎兩者差異在於邏輯斯迴歸會更傾向於離群值?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.127.233.55
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1544673093.A.B2F.html
※ 編輯: peter308 (140.127.233.55), 12/13/2018 11:53:43
... <看更多>