A2A
El algoritmo SVM tiene básicamente ventajas en términos de complejidad. Primero, me gustaría aclarar que tanto la regresión logística como la SVM pueden formar superficies de decisión no lineales y pueden combinarse con el truco del núcleo. Si la regresión logística se puede combinar con el núcleo, ¿por qué usar SVM?
- Se encuentra que SVM tiene un mejor rendimiento prácticamente en la mayoría de los casos.
- SVM es O (N ^ 2 * K) computacionalmente más barato donde K no es de vectores de soporte (los vectores de soporte son aquellos puntos que se encuentran en el margen de la clase) donde la regresión logística es O (N ^ 3)
- El clasificador en SVM depende solo de un subconjunto de puntos. Como necesitamos maximizar la distancia entre los puntos más cercanos de dos clases (también conocido como margen), solo debemos preocuparnos por un subconjunto de puntos, a diferencia de la regresión logística.
- ¿Por qué algún algoritmo tiene la misma salida?
- ¿Cuál es el papel del algoritmo simétrico en el protocolo de enlace SSL?
- ¿Es obligatorio organizar el número en orden ascendente para averiguar la mediana?
- ¿Cómo se usa el algoritmo babilónico?
- Cómo verificar el número dado es múltiplo de 3 sin usar el operador de módulo