मेरे पास एक बहुत ही सामान्य प्रश्न है: मैं SVM के लिए सही कर्नेल फ़ंक्शन कैसे चुनूं? मुझे पता है कि अंतिम जवाब सभी कर्नलों का प्रयास कर रहा है, नमूना सत्यापन से बाहर है, और सर्वोत्तम वर्गीकरण परिणाम वाला एक चुनें। लेकिन इसके अलावा, क्या विभिन्न कर्नेल कार्यों को आजमाने का कोई दिशानिर्देश है?सही कर्नेल फ़ंक्शंस का चयन कैसे करें
उत्तर ढूंढने के लिए यहां देखें।
https://stats.stackexchange.com/questions/18030/how-to-select-kernel-for-svm
मूल रूप से, वहाँ नहीं बल्कि कोई भी अच्छा रास्ता चुनने के लिए, जब तक आप अपने डेटा के बारे में महत्वपूर्ण कुछ है कि उचित गिरी उपयोग करने के लिए निर्धारित कर सकते हैं पता है। हालांकि, अधिक विशिष्ट जानकारी प्राप्त करने के लिए उपरोक्त लिंक का पालन करें।
हमेशा रैखिक कर्नेल को आजमाएं, क्योंकि यह बहुत तेज़ है और कई मामलों में विशेष परिणाम प्राप्त कर सकता है (विशेष रूप से उच्च आयामी समस्याएं)।
यदि रैखिक कर्नेल विफल रहता है, तो सामान्य रूप से आपकी सर्वश्रेष्ठ शर्त एक आरबीएफ कर्नेल है। वे बड़ी संख्या में समस्याओं पर बहुत अच्छा प्रदर्शन करने के लिए जाने जाते हैं।
रैखिक कर्नेल "विफल" होने पर आप कैसे जानते हैं? क्या यह है कि रैखिक कर्नेल मॉडल एसवीएम के अलावा अन्य मॉडलों की तुलना में भी खराब प्रदर्शन करता है? –
अधिकांश बार उपयोग करने के लिए सबसे अच्छा कर्नेल आरबीएफ कर्नेल है। कारण यह है कि ज्यादातर चीजें गॉसियन वितरण का पालन करती हैं। "क्यों" का जवाब [केंद्रीय सीमा प्रमेय] से संबंधित है (http://en.wikipedia.org/wiki/Central_limit_theorem) मेरे अनुसार। –