首页 > 试题广场 >

下面说法正确的是？

[单选题]

考虑两个分类器：1）核函数取二次多项式的SVM分类器和2）没有约束的高斯混合模型（每个类别为一个高斯模型）。我们对R2空间的点进行两类分类。假设数据完全可分，SVM分类器中不加松弛惩罚项，并且假设有足够多的训练数据来训练高斯模型的协方差。下面说法正确的是？

SVM的VC维大于高斯混合模型的VC维

SVM的VC维小于高斯混合模型的VC维

查看答案及解析

NgShawn

先讲一下VC维是什么，我们可以认为VC维就是w的假设空间，也就是说可能得到的w值约少，VC维就越低。也就是说参数量越少，VC维越低。对w的约束越多，VC维越低。

第一：关键点在于混合高斯对于每个类别都有一个高斯模型，这样每个类别都要优化一套权重w，而SVM对于二分类只需要一套权重w就够了，从参数量来看，SVM的VC维就已经要较低了。

第二：要知道SVM就算没有软间隔(不加松弛惩罚项)它也还有一个L2正则摆在那里，这就又一步减少了SVM的VC维。

发表于 2017-08-31 13:12:13 回复(0)

tangxuan

这两个分类器的 VC 维相同，因此两个分类器的决策边界都为二次函数，复杂度相同。假设我们估计两个分类器的结构风险值，该值为预测误差的上界，则 SVM 可能会得到更好的结果。虽然两个分类器的复杂度相同，但 SVM 对训练误差做优化从而得到更低（或相同）的值。

发表于 2016-09-06 18:53:32 回复(0)

zh0558

SVM的泛化能力比GMM更强，根本原因在于其VC维比较小。

发表于 2015-09-22 11:09:28 回复(0)

牛客964521409号

VC维（外文名Vapnik-Chervonenkis Dimension）的概念是为了研究学习过程一致收敛的速度和推广性，由统计学理论定义的有关函数集学习性能的一个重要指标。 VC维越大则学习机器越复杂（容量越大）。 -百度百科

发表于 2021-03-30 02:28:26 回复(0)

好的起点

谁能解释一下

发表于 2016-09-12 22:19:37 回复(0)

摇曳

谁能解释一下VC维？

发表于 2016-09-05 22:25:06 回复(0)

提交观点

问题信息

自然语言处理

来自：百度2016研发工程师...

难度：

6条回答 332收藏 11159浏览

扫一扫，把题目装进口袋