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:570        分享
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 
1

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。

SofaSofa数据科学社区DS面试题库 DS面经

Zealing   2018-10-18 14:20



  相关主题

SVM模型的可解释性如何?   2回答

支持向量机(SVM)里的支持向量是什么意思   6回答

SVM和LR适合稀疏数据吗?   2回答

与基于一般形式的支持向量回归相比,最小二乘支持向量回归更准确?   2回答

为什么岭回归和最小二乘支持向量回归有一样二次规划形式却有不同解   2回答

为什么说LR适合大样本,SVM适合小样本?   2回答

LS-SVM的核函数选取问题   1回答

如果支持向量机做回归任务,支持向量是什么?   1回答

SVM里的软间隔是什么意思   2回答

感知机和支持向量机的区别是什么?   2回答

SVM的支持向量最少有几个?   1回答

线性核svm与文本分类   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!