相关向量机的特点?

Question

相关向量机的特点

Answer 1

1. SVM 基于结构风险最小化原则构建学习机，RVM基于贝叶斯框架构建学习机2. 与SVM相比，RVM不仅获得二值输出，而且获得概率输出3. 在核函数的选择上，不受梅西定理的限制，可以构建任意的核函数4. 不需对惩罚因子做出设置。在SVM中惩罚因子是平衡经验风险和置信区间的一个常数，实验结果对该数据十分敏感，设置不当会引起过学习等问题。但是在RVM中参数自动赋值5. 与SVM相比，RVM更稀疏，从而测试时间更短，更适用于在线检测。众所周知，SVM的支持向量的个数随着训练样本的增大成线性增长，当训练样本很大的时候，显然是不合适的。虽然RVM的相关向量也随着训练样本的增加而增加，但是增长速度相对SVM却慢了很多。6. 学习机有一个很重要的能力是泛化能力，也就是对于没有训练过的样本的测试能力。文章表明，RVM的泛化能力好于SVM。7. 无论是在回归问题上还是分类问题上，RVM的准确率近似于SVM。8. 但是RVM训练时间长向左转|向右转