选择支持向量机(SVM)核函数
来源:互联网 发布:淘宝改后台软件安全吗 编辑:程序博客网 时间:2024/04/29 02:54
SVM核函数通常有四种:
1. Linear
2. Polynomial
3. Gaussian (RBF)
4. Sigmoid/Logistic
不知为何,RBF最常用
- 一般情况下,给定随意的数据集,你不知道该用什么样的核函数,通常先用简单的映射方式,然后再一步步的复杂化。
- 如果数据集是线性可分的,用linear当然足够;如果数据集线性不可分,这个核函数就显然不行了
2-dimensions
- 为了描述简单和可视化,我们使用二维数据集
下图是iris数据集使用linear的SVM分类器的分类结果
结果还不错!下图是iris数据集使用RBF的SVM分类器的分类结果
OK,很显然,两种核函数都能让我们接受,具有很强的说服力。这时候通常选择简单的那个,即线性核函数,因为不论是参数个数上还是复杂度上,还是映射计算上,线性核函数比RBF强,另外RBF可能会导致过拟合。
好吧,似乎上面说的对linear很有好感。但事实上,如果要一句话总结如何选择核函数,那就是—dataset。毫无疑问,如果是下图的数据,再用linear核函数,显然是不行的。
下面是RBF核函数的结果,很精妙!
告一段落
多项式核函数
- 在任何情况下,都很少用多项式核,效率不高,结果也不优于RBF
- 于是现在得到一个结论:线性可分时用linear,线性不可分时用RBF核。
事实上,更朴实一点的说法,RBF通过映射到高维的最终目标还是线性可分。
0 0
- 选择支持向量机(SVM)核函数
- 支持向量机(SVM)中核函数的选择
- 支持向量机SVM核函数的选择(七)
- 支持向量机SVM核函数分析
- Kernel SVM (核函数支持向量机)
- 支持向量机SVM(三)核函数
- 简单介绍支持向量机(SVM)与核函数
- svm(三)支持向量机之核函数
- SVM支持向量机原理(三)线性不可分支持向量机与核函数
- 支持向量机SVM
- SVM支持向量机
- svm支持向量机
- SVM支持向量机
- [SVM]支持向量机
- SVM 支持向量机
- 支持向量机SVM
- SVM 支持向量机
- svm支持向量机
- (CROC 2016 - Elimination Round (Rated Unofficial Edition))C. Enduring Exodus(二分)
- Android-在动作栏中添加“设置图标”
- 什么是C++虚函数、虚函数的作用和使用方法
- AutoCompleteTextView的使用和源码分析以及实现响应式输入提示功能
- Fixing your iOS build scripts PackageApplication ERROR
- 选择支持向量机(SVM)核函数
- Iframe父页面与子页面之间的相互调用
- 10.1Android性能优化之布局优化
- 第七届蓝桥杯省赛C/C++B组省赛题解
- LeetCode 70 Climbing Stairs
- java第十一节-包装类,基本类型,String之间的转换
- 解决各种IE兼容问题,IE6,IE7,IE8,IE9,IE10
- C++ 文件输入输出流
- 59.通过 runtime为Category添加属性与成员变量