У меня очень общий вопрос: как выбрать правильную функцию ядра для SVM? Я знаю, что окончательный ответ - это попробовать все ядра, выполнить проверку вне выборки и выбрать один из них с лучшим результатом классификации. Но кроме этого, есть ли какие-либо рекомендации по использованию различных функций ядра?Как правильно выбрать функции ядра
См. Здесь, чтобы найти ответ.
https://stats.stackexchange.com/questions/18030/how-to-select-kernel-for-svm
В принципе, нет, а не один хороший путь выбрать, если вы не знаете что-то важное о ваших данных, которые могли бы определить правильное ядро для использования. Однако для получения более подробной информации перейдите по ссылке выше.
Сначала попробуйте линейное ядро, просто потому, что оно намного быстрее и может дать большие результаты во многих случаях (в частности, проблемы с большими размерами).
Если линейное ядро выходит из строя, в общем, лучшим вариантом является ядро RBF. Они, как известно, очень хорошо справляются с множеством проблем.
Откуда вы знаете, что линейное ядро «не работает»? Является ли модель линейного ядра хуже, чем другие модели, кроме SVM? –
В большинстве случаев лучшим ядром для использования является ядро RBF. Причина в том, что большинство вещей следует за распределением Гаусса. По моему мнению, ответ «почему» связан с [центральной предельной теоремой] (http://en.wikipedia.org/wiki/Central_limit_theorem). –