ANN
分类(回归)在哪里优于SVM
?一些现实世界的例子?
答案 0 :(得分:7)
有许多应用程序它们更好,许多应用程序可以比较,许多应用程序更糟糕。这也取决于你问谁。很难说这种类型的数据或那种类型的数据/应用程序。
ANN,特别是卷积神经网络比SVM更好地工作的例子是digit classification on MNIST。另一个这样的案例是Geoff Hinton's group使用Deep Belief Networks进行语音识别的工作
答案 1 :(得分:3)
最近我读了一篇证明the theoretical equivalence between ANN and SVM的论文。然而,ANN通常比SVM慢。
答案 2 :(得分:1)
我刚刚在几个流行的回归和分类数据集上完成了一些out-of-the-box comparison between support vector machines and neural networks - 首先是简短的结果:svms快速学习和预测慢 - 神经网络学习缓慢但预测速度快,并且具有非常轻量级的模型。关于准确性/损失,这两种方法似乎都是平等的。
答案 3 :(得分:0)
这在很大程度上取决于两者都有不同的权衡和设计标准。正如对该问题的其他答案所示,已经有一些工作证明了这种关系,有些则说了对等。下面是另一个参考,在机器学习中这两种技术之间建立了联系:
Ronan Collobert和Samy Bengio。 2004。感知器,MLP之间的链接 和SVM。在第二十一届国际会议录中 机器学习会议(ICML '04)。美国纽约州ACM, 23-。 DOI:https://doi.org/10.1145/1015330.1015415