Questions tagged «svm»

按照目前的情况，这个问题不适合我们的问答形式。我们希望答案得到事实，参考或专业知识的支持，但是这个问题可能会引起辩论，争论，民意调查或扩展讨论。如果您认为此问题可以解决并且可以重新提出，请访问帮助中心以获取指导。 7年前关闭。 ANN（人工神经网络）和SVM（支持向量机）是有监督的机器学习和分类的两种流行策略。哪种方法更适合特定项目通常不是很清楚，我敢肯定答案总是“取决于情况”。通常，将两者与贝叶斯分类一起使用。 关于ANN与SVM的关于Stackoverflow的这些问题已经被提出： ANN和SVM分类 我的分类问题中ANN，SVM和KNN之间有什么区别 支持矢量机还是人工神经网络进行文本处理？ 在这个问题中，我想具体了解ANN（特别是多层感知器）的哪些方面可能会使其更适合在SVM上使用？我问的原因是因为很容易回答相反的问题问题：支持向量机通常优于ANN，因为它们避免了ANN的两个主要缺点： （1）ANN通常会收敛于局部最小值而不是全局最小值，这意味着它们有时本质上是“缺少全局”（或缺少树木的森林） （2）人工神经网络经常过拟合如果训练时间太长，，这意味着对于任何给定的模式，神经网络可能会开始将噪声视为模式的一部分。 SVM不会遇到这两个问题。然而，将SVM完全替代ANN并不是很容易。那么，与支持向量机相比，人工神经网络具有哪些特定的优势，可能使其适用于某些情况？我已经列出了SVM相对于ANN的特定优势，现在，我希望看到ANN优势的列表（如果有）。

381 machine-learning  neural-network  classification  svm 

关闭。此问题不符合堆栈溢出准则。它当前不接受答案。 想改善这个问题吗？更新问题，使其成为Stack Overflow的主题。 3个月前关闭。 改善这个问题 我正在使用LibSVM对一些文档进行分类。正如最终结果所示，这些文档似乎很难归类。但是，在训练模型时，我注意到了一些东西。就是说：如果我的训练集例如是1000，那么大约有800个被选为支持向量。我到处都在寻找这是好事还是坏事。我的意思是支持向量的数量和分类器的性能之间有关系吗？我已经阅读了上一篇文章，但是我正在执行参数选择，而且我还确定特征向量中的属性都是有序的。我只需要知道这种关系。谢谢。ps：我使用线性内核。

76 machine-learning  classification  svm  libsvm 

我正在尝试理解Decision_function和Predict之间的关系，它们是SVC的实例方法（http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html）。到目前为止，我已经收集到决策函数返回类之间的成对得分。我的印象是，预测会选择最大化其成对成绩的课程，但我对此进行了测试，得出了不同的结果。这是我用来尝试理解两者之间关系的代码。首先，我生成了成对分数矩阵，然后打印出最大成对分数的类，该类不同于clf.predict预测的类。 result = clf.decision_function(vector)[0] counter = 0 num_classes = len(clf.classes_) pairwise_scores = np.zeros((num_classes, num_classes)) for r in xrange(num_classes): for j in xrange(r + 1, num_classes): pairwise_scores[r][j] = result[counter] pairwise_scores[j][r] = -result[counter] counter += 1 index = np.argmax(pairwise_scores) class = index_star / num_classes print class print clf.predict(vector)[0] 有谁知道这些预测和决策函数之间的关系？

71 python  numpy  svm  scikit-learn