YSA (Yapay Sinir Ağları) ve SVM (Destek Vektör Makineleri), denetimli makine öğrenimi ve sınıflandırması için iki popüler stratejidir. Belirli bir proje için hangi yöntemin daha iyi olduğu çoğu zaman net değildir ve cevabın her zaman "duruma bağlı" olduğundan eminim. Genellikle, Bayes sınıflaması ile birlikte her ikisinin bir kombinasyonu kullanılır.
Stackoverflow ile ilgili şu sorular ANN vs SVM ile ilgili olarak sorulmuştur:
Sınıflandırma sorumdaki YSA, SVM ve KNN arasındaki fark nedir
Metin işleme için Vektör Makinesi veya Yapay Sinir Ağını destekliyor musunuz?
Bu soruda, bir YSA'nın (özellikle Çok Katmanlı Bir Algılayıcı) hangi yönlerinin bir SVM üzerinden kullanılmasını cazip hale getirebileceğini özellikle bilmek istiyorum. Sormamın nedeni, karşıt soruyu cevaplamanın kolay olması : Destek Vektör Makineleri genellikle YSA'lardan daha üstündür çünkü YSA'ların iki büyük zayıflığından kaçınırlar:
(1) YSA'lar genellikle küresel minimadan ziyade yerel minimada birleşirler , yani bazen "büyük resmi kaçırırlar" (veya ağaçlar için ormanı kaçırırlar)
(2) Eğitim çok uzun sürerse ANN'ler genellikle fazladır , yani herhangi bir model için bir YSA, gürültüyü modelin bir parçası olarak düşünmeye başlayabilir.
SVM'ler bu iki sorunun hiçbirinden muzdarip değildir. Bununla birlikte, SVM'lerin YSA'ların yerine geçmesi gerektiği açıkça görülmemektedir. Peki belirli avantaj (lar) bir YSA belli durumlar için uygulanabilir hale olabilecek bir SVM üzerinde var? Bir YSA'ya göre bir SVM'nin belirli avantajlarını listeledim , şimdi YSA avantajlarının bir listesini (varsa) görmek istiyorum.