关于何时使用svm或者svm + rbf kernel的问题
来源：11-7 RBF核函数
慕设计8031987
2020-11-08
老师您好，在您的课程中提到当样本数量m小于特征数量n的时候，可以使用svm with rbf kernel。但是我也有看到吴恩达机器学习课程中降到，当特征数量小（1-1000），样本数量适中（10-10000）的时候，可以使用svm with rbf kernel。我想问您，这两种说法哪一个更加普遍一些或者说适应的情景更多一些？谢谢您
写回答
1回答
-
这两种情况都可以。
我在课程中提及这一点，只是说明 SVM 可以应用在这种情况下，但并不是说只能应用在这种情况下。因为这种情况是 SVM 的一个特点，所以我特别提及一句。
可以参考 sklearn 的 SVM 的总结的前两点：https://scikit-learn.org/stable/modules/svm.html
Effective in high dimensional spaces.
Still effective in cases where number of dimensions is greater than the number of samples.
整体，特征数比样本数还大的情况相对还是比较少的，而且如果条件允许，还是建议样本数越多越好的。所以吴恩达总结的是一般情况；我提及的是特殊情况：）
继续加油
012020-11-17
相似问题