SVM模型的可解释性如何?

  统计/机器学习 监督式学习 开放问题    浏览次数:8309        分享
0

一般大家都说线性模型解释性好,boosting模型解释性差,很少看到对SVM的解释性的总结。请问SVM模型的可解释性如何?

 

waccam   2018-06-28 22:05



   3个回答 
2

如果是线性的kernel,有良好的解释性,类似于线性回归。

如果是非线性的kernel,比如rbf,那么解释性则很差。


SofaSofa数据科学社区DS面试题库 DS面经

GuoLinhui   2018-07-02 20:59

2

逻辑回归求的$d$维参数$w$,表示每个输入特征对结果$y$的重要性,所以从特征的角度很好解释。然而SVM以测试点$z$和所有支持向量$x_i$的相识度向量$k(x_i,z)$作为特征,所以从输入向量$z$来说就不好解释。应该做预处理,计算出点的相识度向量$k(x_i,z)$,然后就容易解释了。比如$k(x_i,z)$很大($z$和某个支持向量$x_i$相似),而且$c_i$较大($x_i$靠近分割超平面),此时$y_i$对输出标签的影响就很大。

SofaSofa数据科学社区DS面试题库 DS面经

Zealing   2019-04-23 02:02

1

解释性不是很强。但是特征对应的系数越大,也能够说明这个特征的重要性越大。

不是个人观点,参考这个论文)。

SofaSofa数据科学社区DS面试题库 DS面经

姜金杰   2019-06-28 09:11



  相关讨论

支持向量机(SVM)里的支持向量是什么意思

SVM的支持向量最少有几个?

为什么SVM里两个超平面的距离是1/||w||?

SVM里的软间隔是什么意思

LS-SVM的核函数选取问题

为什么说LR适合大样本,SVM适合小样本?

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

SVM和LR适合稀疏数据吗?

SVM 需不需要做数据归一化?

如果支持向量机做回归任务,支持向量是什么?

  随便看看

机器学习基础

如何重命名pandas的dataframe的列名

如何度量一个分布长尾的程度?

返回DataFrame或者array的行数

numpy array里怎么用fillna填充nan的值?