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。
1个回答
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:
- 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。
- 随机森林算法可以输入每个特征的重要程度。
- 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
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
决策树有哪些缺点?
2回答
kNN算法有哪些缺点?
6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
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!