我正在使用带有线性内核的 SVM 来解决我的多类文本分类问题之一，并获得 0.78 的准确度。我也尝试过随机森林，但我能得到的最佳准确度是 0.72。这让我开始思考如果我可以模拟随机森林但使用 SVM 分类器而不是决策树会怎样。我不确定它是否会提高准确性。在我实施这个之前，我想得到一些支持，而快速的谷歌搜索也没有帮助。
对此有什么想法吗？
其他分类器的“随机森林”变体
数据挖掘
机器学习
nlp
随机森林
支持向量机
决策树
2022-02-24 17:09:49
1个回答
导致更好结果的模型集合的概念在数据科学和机器学习社区中很普遍。例如，Hastie、Tibshirani 和 Friedman 广为阅读的文本“统计学习的要素”，将篇幅用于模型平均的一般概念（第 8.7-8.8 节），并进一步讨论了与树相关的提升（例如第 10 章） . 因此，在野外看到集成模型的示例是很常见的，使用任何可以想象的算法作为基础，甚至可以有效地看到集成的集成。
特别是关于支持向量机，至少有一些尝试通过使用集成来提高 SVM 的性能。最近的一个例子是 EnsemblesSVM (Claesen,De Smet, Suykens, De Moor - 参见 home.esat.kuleuven.be/~claesenm/ensemblesvm/)。作者承诺，该算法将通过集成经过少量训练的 SVM 来缩短训练时间，并通过上述网站分发免费实现。
其它你可能感兴趣的问题