当我有类重叠时，机器学习中的分类器会更好吗？

Question

我必须根据属于两个类之一的数据进行预测，然而，这些类重叠（让我们说很多）。我想知道什么分类器可以根据其他人的经验给出最好的结果。

Answer 1

由于类不是线性可分的，因此解决此分类问题的一种方法是使用内核技巧进行预测。内核技巧将给定的输入空间转换为数据可分离的高维特征空间。

以下是一些可能有所帮助的链接：

1）https://www.youtube.com/watch?v=3liCbRZPrZA

2）http://www.eric-kim.net/eric-kim-net/posts/1/kernel_trick.html

首先，内核技巧可能看起来很复杂。但是，它很容易实现，并且对预测非常有用。

Answer 2

内核使得每个数据在特征空间中可线性分离并非100％真实。这取决于数据本身。例如，如果我们使用RBF内核，则可以使由另一个数据集包围的一个数据集线性分离。如果两个集合完全重叠并且由太多数据点组成，则找不到可以分离它们的内核是不可能的！

Answer 3

我个人更喜欢神经网络。它们可以更好地实现，并且比SVM更灵活，因为在隐藏层中学习“分离”（无论是线性的还是非线性的），而不需要我们决定内核（如在SVM中）。但同样，一切都取决于许多因素，如数据的复杂性，类平衡，目标的质量（是否存在冲突）等。