事实:
支持向量机是一个众所周知的机器学习算法。
MNIST是一个流行的手写数字识别竞赛。
SVM几乎和手动调整的神经网络一样好。
在使用SVM时,核函数的选择至关重要。
问题:
在使用SVM对MNIST进行最新技术水平的结果中,人们使用了哪些核函数?
假设输入是16x16的灰度图像。
我想知道应该应用什么核$K(x,z)$,其中x/z是16x16的图像,$K$是核函数。
谢谢!
事实:
支持向量机是一个众所周知的机器学习算法。
MNIST是一个流行的手写数字识别竞赛。
SVM几乎和手动调整的神经网络一样好。
在使用SVM时,核函数的选择至关重要。
问题:
在使用SVM对MNIST进行最新技术水平的结果中,人们使用了哪些核函数?
假设输入是16x16的灰度图像。
我想知道应该应用什么核$K(x,z)$,其中x/z是16x16的图像,$K$是核函数。
谢谢!
SVC(kernel="rbf")
。(神经网络的大小呢?) - denis