在SVM中获知一个分类机/回归机需要有多训练点?

  统计/机器学习 回归分析 开放问题 损失函数    浏览次数: 280
0

RT.请问:

在SVM中,有没有一种理论可以指导我们为了训练得到一个较好的分类机/回归机,需要给多少个训练点,这个训练点的个数与哪些量有关呢?

 

CE_PAUL   2018-06-05 23:32



   1个回答 
0

有个One_in_ten_rule,意思是1个可变参数需要10个数据。也有"1 in 20"和"1 in 50"。这和置信区间的计算有关。结论是一个参数要5-50个相关数据。“相关”是指这些数据在loss相对于参数的导数不能为0。对于SVM,support vectors才是用于参数估计的点。

Zealing   2018-10-18 14:20



  相关主题

huber loss是什么?什么时候用?   1回答

如何计算加权最小二乘法的样本权重?   2回答

最小二乘回归和线性回归   2回答

泊松回归(poission regression)的损失函数是什么?   1回答

python里有没有huber loss的线性回归   1回答

逻辑回归的损失函数是怎么来的   2回答

用SGD计算逻辑回归时的迭代公式是什么?   2回答

LR中若标签为+1和-1,损失函数如何推导,求大佬解答   3回答

Gini指数、Gini系数、Gini不纯是一回事吗?   2回答

hinge loss的公式是什么?   1回答

cross entropy是什么意思?   1回答

Hamming Loss汉明损失的计算公式是什么?   1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!