SVM分数-上限？
[英]SVM Scores - Upper Bound?
问题描述
我担心支持向量机，即它们的分类分数：这些分类分数是否有上限？ 我认为不可以，因为SVM只是一个超平面，分数基本上是一个点到该超平面的距离。 没有限制，一个点可以位于空间中的任何位置，因此距离没有任何限制，对吗？
我要问的是，因为我已阅读以下行：
“当决策得分受到限制时-而SVM得分受到边距限制时... ...”
您能解释一下这是什么意思吗？ 我看不到边距如何限制检测分数...
感谢您的帮助，不胜感激！
1 个解决方案
解决方案1
1 已采纳 2014-07-27 08:50:19
您的直觉是正确的。 无论您阅读什么，都充其量只能说是误导或完全错误的（无论如何都需要一定的上下文）。 SVM决策值没有上限。 它完全取决于测试实例。
SVM决策值是测试实例的特征空间中的内部乘积与支持向量的线性组合。 如果测试实例具有无限范数，则这些内部乘积也将无限。
SVM 模型将概率分数大于 0.1（默认阈值 0.5）的实例预测为正例
[英]SVM model predicts instances with probability scores greater than 0.1(default threshold 0.5) as positives
在将数据输入到svm中之前，我可以尝试哪些降维技术（0-1个特征+ tfidf分数作为特征）
[英]What dimension reduction techniques can i try on my data (0-1 features+tfidf scores as features) before feeding it into svm
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.