Лучше ли иметь мало опорных векторов в SVM?
Classic MLУровень: ПрактикаML concepts — Sebastian Raschka FAQ
Лучше ли иметь мало опорных векторов в SVM?
Подсказки
- Нарисуйте разделяющую границу и ближайшие к ней объекты.
- Разделите ширину зазора, штраф за нарушения и роль ядра.
Ответ
По качеству универсального ответа нет: число опорных векторов связано с данными, ядром и регуляризацией. Для kernel SVM предсказание суммирует вклады опорных векторов, поэтому большее число обычно повышает стоимость и объём модели; не требуется сравнивать с каждой обучающей точкой, если она не опорная. Для линейной формы можно вычислить единый вектор весов. Выбирайте по валидации и требованиям к ресурсам, а не минимизируйте число опорных векторов само по себе.
Источник и лицензия: Sebastian Raschka — Python Machine Learning FAQ · MIT · перевод: Quantoros