| 查看: 4783 | 回复: 14 | ||
[求助]
支持向量机分类精度和样本数量大小的关系
|
||
|
1.对于机器学习，一般来说，样本数量越大训练出来的分类器分类正确率越高。 可是支持向量机对于大样本分类效率下降，占用内存高。这会不会影响到支持向量机对样本数量多时的准确率？ 相同实验环境下，会不会产生200个样本训练出来的SVM要优于600个样本训练出来的SVM这种情况，还是一定是1000个样本训练结果好于800的好于600的？ 2.对于这个问题，我用陆振波教授的工具箱在UCI数据集tic-tac-toe上做了模拟实验，结果显示200数据量训练出来的SVM最好，优于 900数据量训练出来的SVM，优于600数据量训练出来的SVM。 这是为什么？难道真的是支持向量机相当于只有一个神经元而记不住太大数据？还是我实验过程中产生了错误？还是我的参数设置不对？ 以上两个问题，跪求大神解答！ |
回复此楼» 猜你喜欢
OpenAI又攻克数学难题了，离AI做有机合成还有多远？
已经有8人回复
-
极限拉扯，如何抉择
已经有7人回复
-
课题组会帮你通过考核么？
已经有6人回复
-
售一区SCI文章T0P，我:8O.551.O54,科目全,可十急
已经有9人回复
-
售SCI一区文章，我:8O5.5.1.O5.4,科目全,可伽急
已经有10人回复
-
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有8人回复
-
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有9人回复
-
售SCI一区文章，我:8.O.55.1.O.54,科目齐全,可伽急
已经有7人回复
-
售SCI文章，我:8O5.5.1.O.54,科目齐全,可+急
已经有10人回复
-
售SCI一区T0P文章，我:8.O.55.1.O54,科目全,可伽急
已经有9人回复
3楼2013-03-16 23:14:19
zhangQX23
金虫 (小有名气)
- 应助: 3 (幼儿园)
- 金币: 1344.6
- 散金: 122
- 帖子: 181
- 在线: 117.5小时
- 虫号: 804671
- 注册: 2009-07-07
- 性别: MM
- 专业: 光谱技术
6楼2013-03-17 16:19:15
orcimbalance
木虫 (著名写手)
- 应助: 22 (小学生)
- 金币: 2057.1
- 散金: 937
- 红花: 3
- 帖子: 1306
- 在线: 428.9小时
- 虫号: 1401449
- 注册: 2011-09-14
- 性别: GG
- 专业: 计算机体系结构
【答案】应助回帖
★ ★
感谢参与，应助指数 +1
webbery: 金币+2, 感谢经验分享 2013-03-19 07:54:21
感谢参与，应助指数 +1
webbery: 金币+2, 感谢经验分享 2013-03-19 07:54:21
| 样本越大只是使SVM的训练速度变慢，不是说样本越大越容易导致精确度下降，像你这种情况可能是数据量增大，导致数据偏斜，从而使学习得到的分类器产生了误差。前面好多同学说到，过拟合问题，其实SVM是很完美的解决了过拟合问题的，在SVM的优化过程中，其实已经加了入了惩罚变量C来解决过拟合问题，通过对训练样本几倍交叉验证来调节C及不同核函数的相关参数，也就是说训练样本中经过这个过程，产生的支持向量有的在超平（曲）面上，有的在两个超平（曲）面之间，后者就是为了解决过拟合而“牺牲”掉的。总之，我觉得是你的训练样本增大，然后其中一部分类别数量大幅增加，而存在另一部分的类随着样本数量增加而变化不大，即随着加入大量数据产生的数据偏斜问题。 |
8楼2013-03-17 21:05:01
 |
2楼2013-03-16 21:28:41
4楼2013-03-17 11:10:06
5楼2013-03-17 11:20:28
感谢参与，应助指数 +1
|
本帖内容被屏蔽 |
7楼2013-03-17 17:05:04
 |
9楼2013-03-18 00:08:33
 |
10楼2013-03-18 11:25:50
