ANN 和 SVM 分类答案

【问题标题】：ANN and SVM classification [closed]ANN 和 SVM 分类
【发布时间】：2012-01-09 17:18:01
【问题描述】：

ANN 分类（回归）比SVM 好在哪里？一些真实的例子？

【问题讨论】：

我投票结束这个问题，因为它不是关于 help center 中定义的编程，而是关于 ML 理论和/或方法。

标签： machine-learning neural-network classification svm

【解决方案1】：

这在很大程度上取决于两者都有不同的权衡和设计标准。已经有一些工作表明了这种关系，有些人说在这个问题的其他答案中看到了等价性。以下是另一个参考，它在机器学习中的这两种技术之间建立了联系：

罗南·科洛伯特和萨米·本吉奥。 2004. 感知器、MLP 之间的链接和支持向量机。在第二十一届国际会议论文集机器学习会议（ICML '04）。 ACM，纽约，纽约，美国， 23-。 DOI：https://doi.org/10.1145/1015330.1015415

【讨论】：

【解决方案2】：

我刚刚在几个流行的回归和分类数据集上完成了一些 out-of-the-box comparison between support vector machines and neural networks - 简而言之，第一个结果：支持向量机学习速度快，预测速度慢 - 神经网络学习速度慢，但预测速度快，并且具有非常轻量级的模型。关于准确性/损失，这两种方法似乎都相当。

【讨论】：

一年后，我无法访问该网址。我可以从标题中假设我错过了一个好的文本。

【解决方案3】：

最近看了一篇证明the theoretical equivalence between ANN and SVM的论文。但是，ANN 通常比 SVM 慢。

【讨论】：

提供的链接无效。这是实际的参考资料：Andras，Peter。（2002 年）。支持向量机和正则化神经网络的等价性。神经处理信件。 15. 97-104。 10.1023/A:1015292818897.

【解决方案4】：

有许多应用程序更好，许多应用程序可比，许多应用程序更差。这也取决于你问谁。很难说这种类型的数据或那种类型的数据/应用程序。

digit classification on MNIST 是一个例子，其中 ANN，尤其是卷积神经网络，比 SVM 工作得更好。另一个这样的案例是Geoff Hinton's group 使用 Deep Belief Networks 进行语音识别的工作

【讨论】：