24小时热门版块排行榜    

查看: 5027  |  回复: 2

htfnuaa

木虫 (小有名气)

[交流] 最小二乘支持向量机和支持向量机相比的优点和缺点已有2人参与

支持向量机和最小二乘支持向量机
在求解方式上一个是凸二次规划,一个是线性规划,从训练速度上来看最小二乘支持向量机优于支持向量机,当然支持向量机的解具有稀疏性,最小二乘支持向量机的解不具有稀疏性
在测试精度上,从一些文献来看,两者基本没有区别。
要是这样的话,为什么现在最小二乘支持向量机并没有代替支持向量机?
大家讨论一下
回复此楼
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

纳斯茵

银虫 (小有名气)

★ ★ ★
小木虫(金币+0.5):给个红包,谢谢回帖
送鲜花一朵
mze04532(金币+2): 鼓励新虫,欢迎研讨~ 2011-09-28 14:41:11
测试精度上没什么优势,而且不具有稀疏性,只是训练速度优于支持向量机而已,所以没有取代支持向量机的地位吧~
正好我在看local consistency方面的文献哦,看到了几种least squares:regularized least squares和Laplacian least squares~
Waiting
2楼2011-09-28 13:57:53
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

aimit

木虫 (职业作家)

★ ★
小木虫(金币+0.5):给个红包,谢谢回帖
mze04532(金币+1): 鼓励一下,欢迎常来研讨~ 2011-10-13 08:09:33
LSSVM其实就是简单之极的RLS,取了一个好听的新名词而已。倒是squared hinge loss和svm有点不同,问题是光滑的,容易优化。事实上svm也很容易优化。
研究方向机器学习及其应用,欢迎交流讨论。
3楼2011-10-13 08:02:52
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 97949058 的主题更新
普通表情 高级回复(可上传附件)
信息提示
请填处理意见