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:20530        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


  相关讨论

最小二乘法与最小二乘支持向量回归的优劣

决策树有哪些缺点?

kNN算法有哪些缺点?

相比xgboost,GBDT有什么优势

支持向量机(SVM)里的支持向量是什么意思

SVM里的软间隔是什么意思

为什么SVM里两个超平面的距离是1/||w||?

SVM的支持向量最少有几个?

SVM和LR适合稀疏数据吗?

为什么说LR适合大样本,SVM适合小样本?

  随便看看

xgboost的gblinear是什么意思?

sklearn模型当中的verbose是什么意思?

T检验的effect size是什么?有什么含义吗?

支持向量机(SVM)里的支持向量是什么意思

特征归一化对K Means有影响吗?