浅论MLP、ELM、SVM的效果
来源:互联网 发布:最优化 陈宝林 豆瓣 编辑:程序博客网 时间:2024/06/06 08:38
这几天测试了MLP和ELM的效果,发现MLP明显优于ELM,就一直在思考其中的原因,昨天散步时突然想通了其中的道理。
MLP和ELM、SVM的本质,都是将问题映射到高维空间,然后在高维空间做回归或分类。
从原理上来说,分类或回归的效果,直接受到映射方式的影响,如果一个关键的模式,在高维空间上表现出明显的差异,分类效果就好,如果这个关键模式恰好没在高维空间上表现出来,效果就差。
从这个角度看,MLP的效果要优于ELM,ELM要优于SVM,因为MLP是主动寻找有效的映射方式,而ELM和SVM都是被动的映射,能不能找到好模式主要靠运气。
ELM之所以可以优于SVM,是因为它可以有无穷多种方式投影到高维,而且它训练速度非常快,我们可以训练一大堆ELM,从中选择比较好的一部分,然后再bagging,组合起来就可以加强效果。
最后再看SVM,一旦核函数定下来了,影射方式就唯一确定了,除非你选别的核函数。因此你只有一次或很少几次碰运气的机会,加上训练速度又慢,所以与SVM比起来,性能又下一筹。
把这个事情想通之后,就试了一下SVM的效果,果然如我预测,SVM的效果明显比ELM差
0 0
- 浅论MLP、ELM、SVM的效果
- MLP、RBF、SVM的比较
- MLP && BP && RBF && SVM Neural Network
- theano做的MLP
- ELM 极限学习机与SVM支持向量机
- MLP、RBF、SVM网络比较及其应用前景
- MLP、RBF、SVM网络比较及其应用前景
- PythonOpencv-分类器—SVM,KNearest,RTrees,Boost,MLP
- MLP、RBF、SVM网络比较及其应用前景
- MLP激活函数的选择
- ELM的算法及伪代码
- 极限学习机(ELM)的使用
- 极限学习机(ELM)的使用
- 三层MLP的Error Backpropagation推导
- Opencv 字符识别-分类器(SVM,KNearest,RTrees,Boost,MLP)
- 【6.6】有关黄老师的ELM报告随笔
- BP神经网络与ELM极限学习机的对比
- 极限学习机(ELM)算法的matlab与C++实现
- html5使用indexdb
- PHP内置数组函数详解(2)
- hdoj1174爆头【点到直线距离(空间)】
- 河内之塔
- 查看redis keys
- 浅论MLP、ELM、SVM的效果
- Mie散射 电磁辐射
- 继承概念
- oracle--extract函数
- 近期错误调试汇总
- 分享:Android -- Properties使用
- C语言字节对齐方式
- msyql执行效率的问题以及常见基础面试题目
- Swift 分割字符串