是否存在神经网络具有 100% 准确性但不是通过 RBF SVM 的情况

Question

有很多

例子表明RBF SVM比Neural Network更好。

但是，是否有任何具有两个类的 2D 数据可以由Neural Network以 100% 的精度发现，但不能由RBF SVM发现？

Answer 1

据我所知，用于生成预测模型的数据称为训练数据，训练准确性是模型在此训练数据上的准确程度。

另一方面，当将来的数据(即测试数据(出现时，测试准确性意味着模型对该测试数据的准确性，仅取决于训练数据。

在你的情况下，我想你的意思是训练的准确性。那么不，当我们调整 sigma->0 并且 C 足够大的值时，RBF 理论上总是可以具有 100% 的精度。

你可以在libsvm上尝试一下。

$ ./svm-train -c 100 -g 100 heart_scale # here g is 1/sigma^2 hence we want a large g
..*
optimization finished, #iter = 790
nu = 0.009851
obj = -132.989193, rho = 0.108246
nSV = 270, nBSV = 0
Total nSV = 270
$ ./svm-predict heart_scale heart_scale.model o
Accuracy = 100% (270/270) (classification)