कागजात के कई लेखक मैं पढ़ता हूं एसवीएम उनके प्रतिगमन / वर्गीकरण समस्या का सामना करने के लिए बेहतर तकनीक है, इस बात से अवगत कि वे एनएन के माध्यम से समान परिणाम प्राप्त नहीं कर सकते थे। अक्सर तुलना में कहा गया है कि
एनवी के बजाय एसवीएम,
- एक मजबूत संस्थापक सिद्धांत है
- द्विघात प्रोग्रामिंग के कारण वैश्विक इष्टतम तक पहुंचें
- उचित मानदंड चुनने के लिए कोई समस्या नहीं है
- ओवरफिटिंग का खतरा कम होता है
- भविष्य कहनेवाला मॉडल को स्टोर करने के लिए कम मेमोरी की आवश्यकता होती है
- अधिक पठनीय परिणाम और एक ज्यामितीय व्याख्या की उपज
क्या यह गंभीरता से एक व्यापक रूप से स्वीकृत विचार है? नो-फ्री लंच प्रमेय या इसी तरह के बयानों को उद्धृत न करें, मेरा सवाल उन तकनीकों के व्यावहारिक उपयोग के बारे में है।
दूसरी तरफ, आप निश्चित रूप से एनएन के साथ किस तरह की अमूर्त समस्या का सामना करेंगे?
4
मुझे लगता है कि सवाल थोड़ा व्यापक हो सकता है। लेकिन व्यवहार में NN, NN संरचना की पसंद के साथ बहुत अधिक ट्यून करने योग्य लगते हैं, जबकि SVM में कम पैरामीटर होते हैं। दो सवाल हैं, अगर कोई एनएन एक समस्या को हल करने के लिए बेहतर तरीके से स्थापित किया गया था तो यह एसवीएम बनाम किराया कैसे होगा? और औसत प्रैक्टिशनर के हाथों में, एसवीएम एनएन के साथ तुलना कैसे करता है?
—
पैट्रिक कैलडन
@PatrickCaldon मैं आपकी बात समझता हूं, लेकिन इससे निपटने के लिए और अधिक पैरामीटर हमेशा बेहतर उपकरण का मतलब नहीं है, अगर आपको नहीं पता कि उन्हें कैसे उपयुक्त तरीके से कॉन्फ़िगर करना है। यदि कब्ज़ेदार है, तो भी लंबे अध्ययन की आवश्यकता हो सकती है; या, आपको अपनी प्रशंसा के उद्देश्य के लिए इतनी व्यापक सामर्थ्य की आवश्यकता नहीं हो सकती है
—
stackovergio
यही मेरा सवाल है। कौन सा प्रश्न विशेष परिस्थितियों में आदर्श परिस्थितियों में कैसे काम करता है? या टूल ज्यादातर लोगों के लिए कैसे काम करता है? मुझे लगता है कि यहां सबसे बड़ा घटक व्यक्ति btw है। इस वजह से मुझे लगता है कि प्रासंगिक कारक अक्सर होते हैं: प्रत्येक उपकरण सीखना कितना कठिन है? क्या ऐसे विशेषज्ञ हैं जो इसका उपयोग करना जानते हैं? आदि "एक्स से बाहर मुझे अच्छा प्रदर्शन मिला"
—
पैट्रिक कैलडन
मुझे जो पता है, उससे बहुपरत फीडफोर्वर्ड एएनएन सक्रियण फ़ंक्शन के कम या ज्यादा सार्वभौमिक सन्निकटन हैं। मैं एसवीएम के लिए एक समान परिणाम से अवगत नहीं हूं जो मेरे ज्ञान का उपयोग किए गए कर्नेल फ़ंक्शन पर बहुत अधिक निर्भर करता है।
—
मोमो
व्यावहारिक उपयोग में, मुझे प्रशिक्षण समय के कारण एनएनएस थोड़ा अधिक व्यावहारिक लगता है। गैर-रैखिक एसवीएम सिर्फ बड़े एन को बहुत अच्छी तरह से संभाल नहीं सकते हैं। दोनों एल्गोरिदम ओवरफिट कर सकते हैं और दोनों को मजबूत नियमितीकरण की आवश्यकता है।
—
शिया पार्क्स