如何比较监督学习算法及其技术集成学习算法？

Question

我不得不比较支持向量机和随机森林算法，但是我搞不懂如何比较它，比如支持向量机是监督学习算法，随机森林是集合学习算法。帮助我如何比较它在哪一点上像-在分类，在回归。

Answer 1

TL；

博士

因为支持向量机和随机森林都是有监督的算法，所以你可以像比较其他两种有监督的算法一样来比较这两种算法。

一个随机森林是一个集合分类器的事实并不重要，只要你把森林中的所有树木作为一个单一的模型。

比较两种监督算法

比较监督算法的最简单方法是使用训练/测试分割：

1. 将所有数据分成两组，即训练集和测试集(公共比率为0.8/0.2)。
2. 用训练集的数据独立地训练两个模型。
3. 使用您的模型预测来自测试集的数据。
4. 通过将模型预测的值与测试集的真实值进行比较，给出预测的分数。如果您有分类问题，您可以使用F1评分。如果你有回归问题，你可以使用R-平方得分。
5. 选择得分最好的模型。

比较两种监督算法的其他方法

• 您可以研究交叉验证，而不是火车/测试拆分。
• 而不是随机的火车/测试分裂，你可以查看分层或时间分裂。
• 与比较两种不同的算法不同，您可以将相同的算法与自身进行比较，但使用不同的超参数(即超参数优化)。
• 您可以使用最适合您的业务情况的度量来代替F1评分或R-平方。