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:3668        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



  相关讨论

LS-SVM的核函数选取问题

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

lssvm核函数 matlab

线性支持向量机和中心化中截距的问题

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?

感知机和支持向量机的区别是什么?

如果支持向量机做回归任务,支持向量是什么?

SVM模型的可解释性如何?

为什么说LR适合大样本,SVM适合小样本?

SVM和LR适合稀疏数据吗?

  随便看看

Resnet-18, Resnet-50, Resnet-101这些模型里的数字是什么意思?

为什么过拟合不好?

plt.scatter plot怎么让不同的类别有不同的颜色

把pandas.DataFrame中所有行全部随机排列

回归问题中R方可以小于0吗?