Es difícil responder eso sin conocer su problema y probar los clasificadores en sus datos. Ambos se pueden usar para clasificaciones de varias clases.
Utilicé SVM y NNet en varios datos y concluí que ambos pueden hacer el trabajo. Sin embargo, en mi caso encontré que:
– La capacitación de NNet puede llevar tiempo, pero en la fase de clasificación es mucho más rápido que SVM (ya que los pesos están configurados y la red solo está haciendo cálculos simples). En mi caso, la red entrenada fue más de 10 veces más rápida que SVM.
- ¿Cuál es la diferencia entre la inteligencia artificial y un motor de reglas complejo?
- ¿Por qué la IA sigue siendo tan tonta?
- ¿Cuáles son algunas iniciativas para usar la IA con fines educativos?
- ¿Cuál será el estado de la tecnología de IA en 30 años?
- ¿Cuánto tiempo tomará para que la IA (inteligencia artificial) adecuada entre en acción?
– SVM tuvo un mejor rendimiento (esto podría ser diferente según el problema). En mi caso produjo unos pocos por ciento mejores resultados. Y fue más estable (con datos que tienen estadísticas ligeramente diferentes produciría mejores resultados).
– En el caso de SVM, el clasificador entrenado ocupa un espacio mucho más grande tanto en el disco (si de alguna manera lo serializa en un archivo) como en la memoria. Más datos de entrenamiento aumentarían el tamaño del clasificador. Sin embargo, en el caso de NNet, el tamaño de los datos depende solo del tamaño de la red (y normalmente es mucho más pequeño que los datos de SVM).
Tenga en cuenta que utilicé la biblioteca de aprendizaje automático Shark (C ++) para mis implementaciones y los resultados anteriores pueden estar relacionados con la implementación.