-2
如果計算支持向量機(SVM)模型,當針對測試集運行模型時,運行KNN會更高效嗎?支持向量機(SVM)與K-NN測試效率
如果計算支持向量機(SVM)模型,當針對測試集運行模型時,運行KNN會更高效嗎?支持向量機(SVM)與K-NN測試效率
我不確定你的意思是計算時間還是s.th.像「效率」一樣的準確性。
如果你想知道你的分類器有多好,我會說這取決於你的數據。如果有一個「最適合一切」的分類器,它會不會是唯一使用的分類器?
如果你想知道計算速度那麼它是一個是的。 K-NN將您的測試數據點與所有訓練數據點進行比較分類。 SVM只需要它的支持向量,所以這裏的測試應該快得多。
編輯:
像MSalters提到有很多方法可以提高K-NN的運算速度所以非常好的優化算法,上述說法可能不是真的,但基本概念是。
您的K-NN實現有點幼稚。理論上,你確實通過計算所有距離和最小化距離來確定最近的鄰居。在實踐中,特別是當K-NN有很多點時(即重要時),對該集進行預處理是一個可行的選擇。 – MSalters
是的,你是對的,並且對於所有載體成爲支持向量的svm也是最壞的情況。所以它也可以取決於你的數據。但是開箱即用通常比開箱即用的svm慢。 –