我正在使用scikit-learn，并希望使用RBF内核运行SVR。我的数据集非常大，所以通过阅读其他帖子，我被建议使用SGD回归和RBF近似。有趣的是，与使用SGD本身相比，使用SGD和RBF会导致更糟糕的结果。我想这可能是由于参数值错误造成的。我试着通过gamma和n_components为RBF采样器循环，并为SGD regessor尝试了许多参数无济于事。我也输出了训练和交叉验证错误，两者大致相同，所以我认为这是一个偏见问题。
答案 0 :(得分：4)
为什么您认为RBF特征空间必须具有比线性特征空间更高的精度？虽然情况经常如此，但没有理由相信必须如此。有一整套真实世界数据，RBF内核做得不好
除此之外，还有许多其他问题可以提出/探讨。如果没有其他人使用/探索您的数据，这些问题通常是不可思议的。如：