线性判别分析( LDA )、带线性核的支持向量机和感知器是线性分类器。它们之间是否存在其他关系,例如:
当然,总是在相同的数据上。
例如,我认为线性支持向量机可以找到比感知器更多的决策边界,这是由于松驰变量造成的。当感知器只找到一个任意的超平面时(如果存在这样的超平面),由于最优性准则,线性支持向量机总是会找到相同的超平面。
发布于 2018-02-02 11:55:11
关于4:如果您的类是线性可分的:
通常有无限多的决策边界,以实现完美的分类。感知器肯定能找到其中之一,但实际上不可能预测是哪一个。(这将取决于初始权重和学习速度)。
支持向量机(无松弛变量)也能找到一个完美的决策边界,而不是一个任意的边界。它找到了与最近观测的最大距离的边界之一。
您可以考虑支持向量机(没有松弛变量)在Perceptron可以找到的决策边界中选择“最佳”决策边界。
https://datascience.stackexchange.com/questions/18840
复制相似问题