Có những ứng dụng mà SVM vẫn vượt trội?

Thuật toán SVM khá cũ - nó được phát triển vào những năm 1960, nhưng cực kỳ phổ biến vào những năm 1990 và 2000. Nó là một phần cổ điển (và khá đẹp) của các khóa học máy.

Ngày nay, dường như trong xử lý phương tiện (hình ảnh, âm thanh, v.v.), các mạng thần kinh hoàn toàn chiếm ưu thế, trong khi ở các khu vực khác, Gradient Boosting có vị trí rất mạnh.

Ngoài ra, trong các cuộc thi dữ liệu gần đây, tôi quan sát không có giải pháp dựa trên SVM.

Tôi đang tìm kiếm các ví dụ ứng dụng trong đó SVM vẫn cho kết quả hiện đại (tính đến năm 2016).

Cập nhật: Tôi muốn có một số ví dụ mà tôi có thể đưa ra, ví dụ như cho sinh viên / đồng nghiệp khi giải thích về SVM để nó không giống như cách tiếp cận hoàn toàn về mặt lý thuyết hoặc phản đối.

Theo bài báo Chúng ta có cần hàng trăm phân loại để giải quyết các vấn đề phân loại thế giới thực không? SVM cùng với Máy khởi động rừng ngẫu nhiên và Gradient là một trong những thuật toán phân loại hiệu suất hàng đầu cho một bộ lớn hơn 120 bộ dữ liệu (sử dụng độ chính xác làm số liệu).

Tôi đã lặp lại thí nghiệm của họ với một số sửa đổi và tôi nhận được ba phân loại này hoạt động tốt hơn các phân loại khác, nhưng vì định lý bữa trưa miễn phí nói rằng luôn có một vấn đề trong đó một số thuật toán khác hoạt động tốt hơn ba thuật toán này.

Vì vậy, có, tôi sẽ nói rằng SVM (với nhân Gaussian - đó là những gì tôi đã sử dụng) vẫn là một thuật toán có liên quan cho các bộ dữ liệu không liên quan đến phương tiện truyền thông.