Може ли някой да ми каже каква е разликата между класификацията k-означава и класификацията svm?


Отговор 1:

Един клас проблеми ви моли да намерите разпределение на вероятността предвид данните. Друг клас ви моли да намерите кое от няколкото разпределения (често две) има по-висока стойност в дадената точка. В този последен случай не е необходимо да намерите самите дистрибуции.

K-означава е специален случай на EM алгоритъм и принадлежи към първия от горните класове. Подразбирате се опитвате да намерите единично разпределение.

SVM принадлежи към втория клас. Имате две групи точки (да речем, червени и сини) и целта е всяка точка в пространството, където живеят вашите данни, да открие кой тип (червен или син) е по-вероятен в този момент.


Отговор 2:

K-означава е алгоритъм за клъстериране, а не метод за класификация. От друга страна, SVM е метод за класификация. Ние групираме, когато нямаме клас етикети и извършваме класификация, когато имаме клас етикети. Клъстерингът е техника, която не се контролира, а класификацията е контролирана учебна техника. Затова сравняването и на двете сравняваме ябълка и портокали. Трябва да прочетете следното, за да разберете разликата им - отговорът на Шехроз Хан на „Контролираното обучение“ обикновено се провежда след групирането? (Прочетете също връзките в този отговор)