神经网络
1)比较容易过拟合,参数比较难tune,而且需要不少trick;
2)训练速度比较慢,在层次比较少(小于等于3)的情况下效果并不比其它方法更优;
SVM
1)支持向量机技术在处理非线性和小样本问题上表现十分出色。与大部分的统计学方法不同,它基本不会涉及到概率测度和大数定律等问题。
2)另外,支持向量机的分类决策函数只由少量的支持向量决定,任何非支持向量对 SVM 的预测结果都不会产生影响,这在一定程度上降低了计算的复杂性,使支持向量机具备了良好的鲁棒性.
待写
1)比较容易过拟合,参数比较难tune,而且需要不少trick;
2)训练速度比较慢,在层次比较少(小于等于3)的情况下效果并不比其它方法更优;
1)支持向量机技术在处理非线性和小样本问题上表现十分出色。与大部分的统计学方法不同,它基本不会涉及到概率测度和大数定律等问题。
2)另外,支持向量机的分类决策函数只由少量的支持向量决定,任何非支持向量对 SVM 的预测结果都不会产生影响,这在一定程度上降低了计算的复杂性,使支持向量机具备了良好的鲁棒性.
待写