Edut:
1. Pystyy käsittelemään korkeaulotteisia tietoja tehokkaasti.
2. Suorita hyvin pienellä näytekoolla.
3. Pystyy käsittelemään epälineaarisesti erotettavissa olevaa dataa ydinmenetelmillä.
4. Sinulla on vahva matemaattinen tausta, mikä tekee niistä selitettäviä ja helppoja virittää.
5. Heillä on tapana yleistää hyvin, koska he pystyvät minimoimaan rakenteellisen riskin.
6. Pystyy havaitsemaan poikkeamat tehokkaasti.
Haitat:
1. SVM:t voivat olla herkkiä ytimen ja hyperparametrien valinnalle, mikä edellyttää asiantuntemusta.
2. Ne ovat laskennallisesti kalliita, erityisesti suurille tietojoukoille.
3. Ei ehkä toimi hyvin moniluokkaisissa luokitteluongelmissa ilman monimutkaisempia menetelmiä, kuten yksi vs-kaikki tai moniluokkainen ydin.
4. Epätasapainoiset tiedot voivat vaikuttaa niihin, ja ne voivat vaatia tietojen esikäsittelytekniikoita.
5. SVM:iden tulkinta voi olla haastavaa, koska marginaalialue voi olla monimutkainen.
Julkaisupäivämäärä: