我看那些理论介绍都是说支持姠量机比神经网络好。但是我用这两个做预测的时候选了核函数以后,支持向量回归算出来的在给定样本的情况下预测出来的肯定是個定值啊。但是神经网络...
我看那些理论介绍都是说支持向量机比神经网络好。但是我用这两个做预测的时候选了核函数以后,支持向量回归算出来的在给定样本的情况下预测出来的肯定是个定值啊。但是神经网络可以训练很多次不同的权值和阈值预测效果肯定不同,那我就可以挑一个拟合误差最小的来作为最终的神经网络那这样肯定找得出比支持向量机要好的结果,那为什么能说他一定比神经网絡好呢求解答,谢谢感激不尽
特别是支持向量机的泛化能力,都说支持向量机泛化能力好可是我怎么觉得它泛化能力不如神经网络啊,求帮忙谢谢
特别是支持向量机的泛化能力,都说支持向量机泛化能力好可是我怎么觉得它泛化能力不如神经网络啊,求帮忙谢谢
采纳数:1 获赞数:5 LV2
神经网络需要的数据量十分庞大,实际中很难得到
不是啊我是说,我用神经网络多次训练最后选叻预测出来MSE最小的权值和阈值等结果,但是支持向量机选定了核函数和参数以后只有一种结果那我最后肯定是BP神经网络的预测效果比支歭向量机好啊
SVM的参数优化也很重要啊,最优参数出的结果也不一定差
我知道啊但是如果是这样的话,那就根本没办法评价谁比谁好了啊那为什么所有的书都是说支持向量机比神经网络好?
第一句就说了SVM适合实际应用