SVM türleri arasındaki fark


9

Vektör makinelerini desteklemek için yeniyim.

Kısa açıklama

svmDan fonksiyon e1071R paketin çeşitli seçenekler sunar:

  • Cı-sınıflandırma
  • Nu-sınıflandırma
  • tek sınıflandırma (yenilik tespiti için)
  • eps-regresyon
  • Nu-regresyon

Beş tip arasındaki sezgisel farklar nelerdir? Hangisi hangi durumda uygulanmalıdır?

Yanıtlar:


6

Kısa cevap

Hedefinize ve ne tür verilerinize bağlı olarak ne kullanacağınızı seçebilirsiniz.

  • Bir sınıflandırma probleminiz varsa, yani tahmin etmek için ayrık etiketiniz varsa C-classificationve öğesini kullanabilirsiniz nu-classification.

  • Eğer tahmin etmek için bir regresyon problemi, yani sürekli numara varsa, kullanabilir eps-regressionve nu-regression.

  • Yalnızca bir veri sınıfınız, yani normal davranışınız varsa ve aykırı değerleri tespit etmek istiyorsanız. one-classification.

ayrıntılar

C-sınıflandırması ve nu-sınıflandırması ikili sınıflandırma kullanımı içindir. Diyelim ki hayvanlar için özelliklere dayanarak kediyi vs.

C-sınıflandırması ve nu-sınıflandırması arasındaki fark hakkında ayrıntılar için. SSS bölümünde LIBSVM'den bulabilirsiniz

S: nu-SVC ve C-SVC arasındaki fark nedir?

Temelde aynı şey ama farklı parametrelerle. C aralığı sıfırdan sonsuza kadardır, ancak nu daima [0,1] arasındadır. Nu'nun güzel bir özelliği, destek vektörlerinin oranı ve eğitim hatasının oranı ile ilgili olmasıdır.

Tek sınıflandırma, yalnızca bir sınıf verilerinizin olduğu "aykırı değer tespiti" içindir. Örneğin, bir kullanıcının hesabının "olağandışı" davranışlarını tespit etmek istersiniz. Ama modeli eğitmek için "alışılmadık davranışlarınız" yok. Ama sadece normal davranış.

eps-regresyon ve nu-regresyon sabit bir sayı tahmin etmek istiyorum regresyon sorunları için kullanılır konut fiyat demek. Ayrıntılı fark burada bulunabilir: ep-SVR ve nu-SVR (ve en küçük kareler SVR) arasındaki fark

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.