-2
SVM (Support Vector Machine) 모델을 계산할 때 테스트 세트에 대해 모델을 실행할 때 KNN을 실행하는 것이 더 효율적입니까?SVM (Support Vector Machine) 대 KNN 테스트 효율성
SVM (Support Vector Machine) 모델을 계산할 때 테스트 세트에 대해 모델을 실행할 때 KNN을 실행하는 것이 더 효율적입니까?SVM (Support Vector Machine) 대 KNN 테스트 효율성
계산 시간 또는 s.th를 의미하는지 확실하지 않습니다. "효율성"과 같은 정확성.
분류기가 얼마나 좋은지 알고 싶다면 데이터에 따라 달라질 수 있습니다. "모든 것에 가장 적합한"분류기가있는 경우에만 사용되는 것은 아닙니까?
계산 속도에 대해 알고 싶으면 예를 선택하십시오. K-NN은 테스트 데이터 포인트와 모든 트레이닝 데이터 포인트를 비교하여 분류합니다. SVM은 지원 벡터를 필요로하기 때문에 여기서의 테스트가 상당히 빨라야합니다.
편집 : MSalters처럼
위의 문이 아주 좋은 최적화 알고리즘 사실이되지 않을 수도 있습니다 K-NN의 계산 속도를 향상시킬 수있는 방법이 있습니다 언급하지만, 기본 개념을 위해입니다.
귀하의 K-NN 구현은 조금 순진합니다. 이론적으로 모든 거리를 계산하고 거리를 최소화하여 가장 가까운 이웃을 결정합니다. 실제로, K-NN이 많은 포인트 (즉, 중요 할 때)를 가질 때 특히 세트를 사전 처리하는 것이 실행 가능한 옵션입니다. – MSalters
네가 맞다면 모든 벡터가 지원 벡터가되는 svm에 대한 최악의 경우가있다. 따라서 귀하의 데이터에 의존 할 수도 있습니다. 하지만 상자 밖에서는 일반적으로 상자 밖에서보다 느립니다. –