Может кто-нибудь подскажите пожалуйста разницу между ядрами в SVM:
- линейный
- многочлен
- Гауссовский (RBF)
- сигмоид
Потому что, как мы знаем, ядро используется для отображения нашего входного пространства в пространство пространственных объектов высокой размерности. И в этом пространстве признаков мы находим линейно отделимую границу ..
Когда они используются (при каких условиях) и почему?
источник
Опираясь на базовые знания читателя о ядрах.
Линейное ядро:K(X,Y)=XTY
источник
На этот вопрос можно ответить с теоретической и практической точек зрения. Из теоретического в соответствии с теоремой No-Free Lunch говорится, что нет никаких гарантий, что одно ядро будет работать лучше, чем другое. Это априори, вы никогда не знаете, и вы не можете узнать, какое ядро будет работать лучше.
С практической точки зрения обратитесь к следующей странице:
Как выбрать ядро для SVM?
источник
Размышляя о том, для чего «хорошо» ядро или когда его следует использовать, жестких и быстрых правил не существует.
Если вы классификатор / регрессор хорошо работает с данным ядром, целесообразно, если нет, подумать о переходе на другое.
Понимание того, как может работать ваше ядро, особенно если это классификационная модель, можно получить, просмотрев некоторые примеры визуализации, например https://gist.github.com/WittmannF/60680723ed8dd0cb993051a7448f7805
источник