ANN与SVM相比有什么优势?
计算机/软件
0 211
0

人工神经网络(ANN)和支持向量机(SVM)是两种常用的有监督机器学习和分类策略。对于一个特定的项目来说,哪种方法更好并不总是很清楚的,我敢肯定答案总是“视情况而定”。通常这两种方法结合使用,再加上贝叶斯分类。在这个问题上,我想知道具体什么方面的人工神经网络(特别是多层感知器)可能会比使用SVM更好?

收藏
2020-12-31 02:59 更新 🍊小桔子 •  1552
共 1 个回答
高赞 时间
0

从你提供的例子来看,我假设ANNs是指多层前馈网络(简称FF网络),比如多层感知器,因为它们与支持向量机直接竞争。与SVM相比,这些模型的一个特殊优点是它们的大小是固定的:它们是参数模型,而SVM是非参数模型。也就是说,在人工神经网络中,你有一堆大小为h1到hn的隐藏层,这取决于特征的数量,加上偏差参数,构成了你的模型。相比之下,SVM(至少是核化的SVM)由一组从训练集中选择的支持向量组成,每个支持向量都有一个权重。在最坏的情况下,支持向量的个数正好是训练样本的个数(尽管这主要发生在小训练集或退化情况下),并且通常其模型大小是线性的。在自然语言处理中,SVM分类器拥有数万个支持向量,每一个支持向量都有数十万个特征,这并非闻所未闻。另外,FF网络的在线训练比SVM的在线拟合更加简单,而且预测速度更快。

收藏
2020-12-31 03:09 更新 Lisa •  1167