随机森林(random forest)和支持向量机(SVM)各有什么优劣

  统计/机器学习 监督式学习    浏览次数:5578        分享
0

在不考虑具体数据的情况下,这两种算法各有什么优劣或者特点。

 

machine learner   2017-09-15 04:37



   1个回答 
1

在实际运用中,我个人认为随机森林比支持向量机更加实用。主要有以下几个原因:

  1. 随机森林更适用于多元分类。如果用支持向量机处理多元分类的问题,则需要one vs rest的框架。而这种框架通常要消耗更多的内存。
  2. 随机森林算法可以输入每个特征的重要程度。
  3. 支持向量机的训练过程通常比较费时,尤其是在实用了非线性的核(kernel)的情况下
SofaSofa数据科学社区DS面试题库 DS面经

数据挖掘工   2017-09-15 04:43

第2点应该是“输出”特征的重要性吧。 - Robin峰   2017-09-15 07:34


  相关主题

最小二乘法与最小二乘支持向量回归的优劣   4回答

决策树有哪些缺点?   2回答

kNN算法有哪些缺点?   6回答

二阶优化算法比一阶的优化算法比有什么优缺点?   2回答

tsne被忽视?tsne有什么缺点?   3回答

相比xgboost,GBDT有什么优势   3回答

K Means算法有哪些缺陷、劣势?   5回答

激活函数ReLU和Sigmoid的优劣对比   4回答

在使用PCA降维时,有哪些坑?   6回答

SVM里的软间隔是什么意思   2回答

为什么SVM里两个超平面的距离是1/||w||?   2回答

为什么说LR适合大样本,SVM适合小样本?   2回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!