Tôi mới hỗ trợ máy vector.
Các svmchức năng từ e1071gói vào R cung cấp tùy chọn khác nhau:
Sự khác biệt trực quan giữa năm loại là gì? Cái nào nên được áp dụng trong tình huống nào?
Câu trả lời:
Câu trả lời ngắn
Bạn có thể chọn những gì sẽ được sử dụng dựa trên mục tiêu của bạn và loại dữ liệu bạn có.
Nếu bạn có một vấn đề phân loại, tức là nhãn rời rạc để dự đoán, bạn có thể sử dụng C-classificationvà nu-classification.
Nếu bạn có một vấn đề hồi quy, tức là số liên tục để dự đoán, bạn có thể sử dụng eps-regressionvà nu-regression.
Nếu bạn chỉ có một lớp dữ liệu, nghĩa là hành vi bình thường và muốn phát hiện các ngoại lệ. one-classification.
Chi tiết
Phân loại C và phân loại nu là để sử dụng phân loại nhị phân. Nói nếu bạn muốn xây dựng một mô hình để phân loại mèo và chó dựa trên các tính năng cho động vật, tức là, mục tiêu dự đoán là một biến / nhãn rời rạc.
Để biết chi tiết về sự khác biệt giữa phân loại C và phân loại nu. Bạn có thể tìm thấy trong FAQ từ LIBSVM
Q: Sự khác biệt giữa nu-SVC và C-SVC là gì?
Về cơ bản chúng là cùng một thứ nhưng với các thông số khác nhau. Phạm vi của C là từ 0 đến vô cùng nhưng nu luôn nằm trong khoảng [0,1]. Một đặc tính tốt của nu là nó có liên quan đến tỷ lệ của các vectơ hỗ trợ và tỷ lệ của lỗi đào tạo.
Một phân loại dành cho "phát hiện ngoại lệ", trong đó bạn chỉ có một dữ liệu lớp. Ví dụ: bạn muốn phát hiện các hành vi "bất thường" của một tài khoản người dùng. Nhưng bạn không có "hành vi bất thường" để đào tạo người mẫu. Nhưng chỉ có những hành vi bình thường.
hồi quy eps và hồi quy nu được sử dụng cho các vấn đề hồi quy, trong đó bạn muốn dự đoán một số liên tục nói giá nhà đất. Sự khác biệt chi tiết có thể được tìm thấy ở đây: Sự khác biệt giữa ep-SVR và nu-SVR (và bình phương nhỏ nhất SVR)