我目前正在研究svm,并且想知道svm具有线性内核的应用是什么。在我看来,它必须用于解决线性优化问题。这样对吗?
感谢您的回答!
需要补充的另一件事是:线性SVM与非线性相比不太容易过度拟合。而且,您需要根据情况决定选择哪个内核:如果与训练样本相比,您的功能数量确实很大,则只需使用线性内核;如果特征数量少,但是训练样本大,则可能还需要线性核,但是尝试添加更多特征;如果特征编号较小(10 ^ 0-10 ^ 3),并且样本编号处于中间(10 ^ 1-10 ^ 4),则使用高斯核会更好。
据我所知,具有线性核的SVM通常可与逻辑回归相媲美。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句