답변:
일반적으로 결정은 선형 또는 RBF (일명 가우시안) 커널을 사용할지 여부입니다. 고려해야 할 두 가지 주요 요소가 있습니다.
것을 보여 됐어요 선형 커널 RBF의 퇴화 버전입니다 따라서 선형 커널이 결코 더 정확한 적절히 조정 RBF 커널보다 없습니다. 내가 연결 한 논문에서 초록 인용하기 :
분석은 가우시안 커널을 사용하여 모델을 완벽하게 선택했다면 선형 SVM을 고려할 필요가 없음을 나타냅니다.
기본적인 경험 규칙은 벡터 분류 (부록 C) 를 지원하기위한 NTU의 실용 가이드 에 간략하게 설명되어 있습니다.
지형지 물의 수가 많으면 데이터를 더 높은 차원 공간에 매핑 할 필요가 없습니다. 즉, 비선형 매핑은 성능을 향상시키지 않습니다. 선형 커널을 사용하면 충분하며 매개 변수 C 만 검색합니다.
당신의 결론은 다소 맞지만 논쟁의 여지가 있습니다. 실제로, 선형 커널은 피처 수가 많을 때 (예 : 더 높은 차원 피처 공간에 매핑 할 필요가없는 경우) 매우 잘 수행되는 경향이 있습니다. 일반적인 예로는 입력 공간에 수천 개의 차원이있는 문서 분류가 있습니다.
이 경우 비선형 커널이 반드시 선형 커널보다 훨씬 정확하지는 않습니다. 이것은 기본적으로 비선형 커널이 호소력을 잃는다는 것을 의미합니다. 예상 성능을 거의 또는 전혀 얻지 않고 훈련하려면 더 많은 리소스가 필요하므로 왜 귀찮게합니까?
훈련하기가 더 빠르기 때문에 항상 선형을 먼저 시도하십시오 (AND 테스트). 정확성이 충분하면 작업을 잘 수행하고 다음 문제로 넘어가십시오. 그렇지 않은 경우 비선형 커널을 사용해보십시오.
앤드류 응 (Andrew Ng)은 14:46부터이 비디오 에서 훌륭한 경험 법을 설명 하지만 전체 비디오는 가치가 있습니다.
키 포인트