1回答
我和我的同事正试图弄清逻辑回归和支持向量机之间的区别。显然，他们正在优化不同的目标函数。支持向量机是否就像说它是一个简单地优化铰链损失的判别分类器一样简单？还是比这更复杂？支持向量是如何发挥作用的？为什么你不能有深度支持向量机，就像你不能有
浏览 0提问于2015-12-17得票数 12
回答已采纳
1回答
我和我的同事正试图弄清逻辑回归和支持向量机之间的区别。显然，他们正在优化不同的目标函数。支持向量机是否就像说它是一个简单地优化铰链损失的判别分类器一样简单？还是比这更复杂？支持向量是如何发挥作用的？为什么你不能有深度支持向量机，就像你不能有
浏览 5提问于2015-12-17得票数 6
回答已采纳
1回答
采用多元线性回归方法，得到了56%的校正分类。当我使用支持向量机(RBM)时，我可以得到61%的分类(从56%提高到现在的61%)。对于多个国家，我使用R(拨浪鼓)-输出对所有簇都有方程.因此，我可以在excel或任何其他软件中实现该模型。
但是当我运行支持向量机( Rattle & Python )时，它们都没有给出任何等式。虽然我喜欢SVM的分类结果，
浏览 1提问于2013-11-04得票数 0
2回答
在阅读奥雷利恩·杰伦的书时，我注意到逻辑回归和支持向量机都是以完全相同的方式预测类的，所以我怀疑一定有我遗漏的东西。在Logistic回归一章中，我们可以看到：线性支持<
浏览 0提问于2018-11-24得票数 1
回答已采纳
1回答
我追踪了代码，发现这是不可能的。1:-1; return sum;
据我所知，单类支持向量机试图从“正常”类中估计给定样本或数据点的某些概率分布的支持度。给定一个新的数据点，并且该模型已经学习了正态分布的支持，我能得到一个新的数据点是“正态”还是一个孤立点的概率的估计吗？这似乎是不可能的，这就是为什么L
浏览 5提问于2016-12-21得票数 1
回答已采纳
1回答
堆叠模型性能？
、、、
我目前正在使用一个看起来非常容易分离的数据集，对于支持向量机，我的准确率为99% (NN-98%，RF-98%，DT-96-97%，我已经检查了泄漏和过度拟合)。作为我的项目的一部分，我也在学习如何实现一个混合模型，但它的准确性也是99% (1记录错误分类)。它似乎是错误地分类相同的记录与支持向量机和其他任何算法似乎没有得到正确的</em
浏览 0提问于2020-07-02得票数 2
回答已采纳
首先，在这个论坛上有一些问题和这个非常相似，但相信我，没有一个匹配的，所以请不要重复。我遇到过使用scikit的sklearn的两种线性回归方法，我不能理解这两种方法之间的区别，特别是在第一个代码中有一个调用train_test_split()的方法，而在另一个代码中调用的是直接拟合方法我正在用多种资源学习，这个单一的问题让我非常困惑。首先是使用SVR的
X = np.array(df.drop(['lab
浏览 9提问于2017-10-27得票数 13
回答已采纳
有数以百计的数据驱动的机器学习模型。这是一个简单的例子:神经网络，线性回归，支持向量机等。但是，什么是模型驱动的(或非数据驱动的)建模，以及什么是著名的和有用的例子，例如回归任务？
浏览 0提问于2021-01-26得票数 0
我需要通过大量的训练示例来训练一个回归模型，它有可能包含任意的特性。我应该考虑什么学习算法，为什么？功能，或者每天调整模型(至少)以纳入新的examplesOptimization标准:最小平方百分比errorOutput：，一个单一实数)。我有一些经验，训练对数线性模型，类似大小的分类问题(使用支持向量机，平均和投票感知器等)。添加任意特性的能力很重要，但在这种情况下，培训时间也
浏览 3提问于2012-04-24得票数 6
回答已采纳
在尝试模型之前，我试图了解哪个模型可能适用于给定的问题，我发现这个案例与我所知道的不同。请指点我缺少的东西。我是数据科学的新手。📷但它仍然能够识别测试集中的所有数据。那么，你能提供一些明确为什么支持向量
浏览 0提问于2020-06-01得票数 2
回答已采纳
1回答
我想使用'e1071‘库来拟合支持向量机模型。到目前为止，我已经建立了一个基于数据集创建曲线回归的模型。(看一下紫色的曲线)：但是，我希望支持向量机模型“跟踪”数据，这样每个值的预测都尽可能接近实际数据。我认为这是可能的，因为这个图表显示了SVM(模型2)模型与ARIMA
浏览 2提问于2018-09-11得票数 0
1回答
早在Encog库中，我就在研究反向传播神经网络的预测系统，现在我一直在研究支持向量机领域，我发现它比神经网络效率高得多，我的目标是测试预测在支持向量机中的表现，并与BPN进行比较。我有两个二维数组，一个数组是输入，一个是理想的。数组的每一行都由3个元素( 1/9和9之间的实数)组成。输入中有800行与对应的理想。另外还有两个数组用于20
浏览 3提问于2014-05-16得票数 1
回答已采纳
1回答
我的工作是贷款资格监督项目。我使用logistic回归和支持向量机作为两个模型。logistic回归的准确度为0.84，损失函数为0.45。对于支持向量机，精度为0.80，损失函数为0.33。如何比较两种模型(按精度或损失函数)？
浏览 2提问于2022-06-29得票数 0
我完全理解为什么人们会使用SHAP或LIME之类的方法来解释黑匣子机器学习模型，比如随机森林或神经网络。然而，我在网上看到了很多内容，人们使用这些类型的即席XAI方法来解释固有的可解释模型，如线性支持向量机或logistic回归。如果我的目的是解释逻辑回归的预测，那么使用石灰而不是简单地看回归系数有什么好处吗？当功能数量非常多时，这是否与功能之间
浏览 1提问于2022-08-10得票数 0
n克模型备选案文A我们将独立处理令牌的模型(不考虑词序)称为n-gram模型。简单的多层感知器(包括logistic回归)、梯度增强机和支持向量机模型都属于这一类，它们不能利用文本排序的任何信息。>建立序列模型备选方案B我们指的是可以从标记的邻接中学习的模型，作为序列模型
浏览 0提问于2019-01-13得票数 0
回答已采纳
2回答
我正在尝试开发一个使用癌症生存数据的预测模型，并使用R包survivalsvm，它使用支持向量机方法。运行以下代码后，我得到了一些结果，但发现很难解释它。我知道在Cox回归中它可以预测累积危险函数，但是在survivalsvm中它是一样的吗？我运行了Cox和survivalsvm模型，结果非常不同：
smodel_svm = survivalsvm(Surv(time, outcome) ~ radius.mean + tumor.size
浏览 18提问于2019-06-14得票数 3
我用基于RBF核的支持向量机回归训练了一个模型。我想知道对于基于RBF核的支持向量机来说，哪些特征是非常重要的或主要的贡献特征。我知道有一种方法可以根据向量的大小来确定线性支持向量回归的最重要的特征。然而，对于基于RBF核的支持</
浏览 4提问于2019-11-19得票数 5
概述的数据集，我正在工作，考虑一个团队，每年玩一个5场比赛的主场时间表。我的目标是找出那些最有可能在即将到来的赛季中失败的球迷，这意味着他们不更新他们的赛季通行证。这是我的Y变量。这张表是前一年的数据，所以我也有实际的Y值(那些过去和没有更新他们的赛季通行证的人)。
第二张是我对即将到来的赛季的预测，关于是否有人会更新他们的赛季通行证。对本年度的
浏览 0提问于2018-03-16得票数 -1
1回答
我对一个需要0到1之间概率输出的模型使用了弹性网络分类器，我发现支持向量机比glmnet模型提供了更好的分类精度(这并不令人惊讶)。我知道e1071支持SV回归，有没有办法指定链接函数并得到支持向量逻辑回归？谢谢。使用R 3.01，顺便说一句。
浏览 1提问于2013-07-20得票数 0
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
