ANN(人工神经网络)和SVM(支持向量机)是两种常用的监督式机器学习和分类策略。对于特定项目,哪种方法更好通常不太清楚,我确定答案总是“因情况而异”。通常情况下,会同时使用这两种方法以及贝叶斯分类。
以下是Stackoverflow上已经就ANN与SVM提出的问题:
在这个问题中,我想知道ANN(具体来说是多层感知器)的哪些方面可能使其比SVM更具备吸引力?我问这个问题的原因是因为很容易回答相反的问题:SVM通常优于ANN,因为它们避免了ANN的两个主要弱点:
(1)ANN通常收敛于局部极小值而不是全局极小值,这意味着它们有时基本上“看不到大局”(或“树木看不到森林”)
(2)如果训练时间过长,ANN通常会过度拟合,这意味着对于任何给定的模式,ANN可能开始将噪声视为模式的一部分。
SVM没有这两个问题。然而,SVM并不被认为是完全取代ANN的方法。那么,ANN相比SVM具有哪些特定优势,使其适用于某些情况?我已经列出了SVM优点的具体清单,现在我想看到ANN的优点清单(如果有)。