为什么会出现svm线性核比多项式核准确率高？

Question

多项式核函数的基本优化思路就是依靠升维使原先线性不可分的数据线性可分。为什么会出现svm线性核的准确率比多项式核准确率高？我是多输入单输出的分类预测，8维的数据。

Answer 1

望采纳！！！我现在写分析给你
通常来说，svm线性核的准确率要高于多项式核的准确率的原因是，多项式核有可能会出现过拟合的情况，而线性核则不会。

当使用多项式核时，将低维数据升维后可以使数据线性可分，但同时也会增加模型的复杂度，容易导致模型过拟合。而线性核则不存在这个问题，所以通常会有更高的准确率。

然而，这并不是绝对的，在某些情况下，多项式核仍然可能会有较高的准确率。例如，如果你的数据集具有复杂的非线性特征，则多项式核可能会更有效。所以在实际应用中，需要根据数据特征和需要解决的问题来决定使用哪种核函数。

另外，在你的情况中，你使用的是多输入单输出的分类预测，数据维度为8维。这意味着你的数据可能具有一定的复杂性，因此在选择核函数时，需要谨慎考虑。建议可以尝试使用多项式核和线性核，并对比两者的准确率，以选择更合适的核函数

Answer 2

通常来说，svm线性核的准确率要高于多项式核的准确率的原因是，多项式核有可能会出现过拟合的情况，而线性核则不会。

当使用多项式核时，将低维数据升维后可以使数据线性可分，但同时也会增加模型的复杂度，容易导致模型过拟合。而线性核则不存在这个问题，所以通常会有更高的准确率。

然而，这并不是绝对的，在某些情况下，多项式核仍然可能会有较高的准确率。例如，如果你的数据集具有复杂的非线性特征，则多项式核可能会更有效。所以在实际应用中，需要根据数据特征和需要解决的问题来决定使用哪种核函数。

另外，在你的情况中，你使用的是多输入单输出的分类预测，数据维度为8维。这意味着你的数据可能具有一定的复杂性，因此在选择核函数时，需要谨慎考虑。建议可以尝试使用多项式核和线性核，并对比两者的准确率，以选择更合适的核函数。

Answer 3

有几个原因。

首先，相比多项式核，线性核通常更容易训练和调参。这是因为多项式核会引入额外的超参数，例如多项式的次数和系数，这些参数需要优化。这些超参数的选择很难，如果不正确，SVM 模型可能表现不佳。

其次多项式核很容易过拟合，特别是如果多项式的次数设置得太高。这意味着模型可能在训练数据上表现得很好，但在看不见的测试数据上表现得很差。相比之下，线性核的参数要少得多，因此不容易过拟合。

相比多项式核，线性核通常在训练时间和预测时间上都更有效率。这意味着如果有大型数据集或者需要实时做出许多预测，线性核可能是个更好的选择。

总的来说，虽然多项式核在某些情况下可能有效，但由于其简单、有效率以及泛化性能较好，线性核通常是个很好的默认选择。

仅供参考，望采纳，谢谢。

Answer 4

为什么会出现svm线性核比多项式核准确率高
因为svm线性核
1、使用核函数可以向高维空间进行映射
2、使用核函数可以解决非线性的分类
3、分类思想很简单，就是将样本与决策面的间隔最大化
4、分类效果较好
你可参考这个博主的总结的很到位，链接：https://blog.csdn.net/qq_29462849/article/details/89516133

Answer 5

同步也参考了该实例：机器学习：SVM核函数的优势和缺陷，链接：https://blog.csdn.net/gracejpw/article/details/103023352

Answer 6

首先，你说的准确率，大概是指模型预测的准确率。
可以证明，多项式核的拟合精度一定不低于线性核。但是，对于简单问题，例如线性可分问题，多项式核会导致过拟合，过拟合会导致模型的泛化能力降低，因此模型预测的准确率反而不如线性核。

Answer 7

在使用支持向量机（SVM）进行分类时，不同的核函数会影响模型的准确度。在某些情况下，使用线性核函数可能会得到更高的准确度，而在其他情况下，使用多项式核函数可能会得到更高的准确度。

一般而言，如果数据线性可分，使用线性核函数可能会得到较高的准确度。这是因为线性核函数相对于其他核函数更加简单，因此它往往会得到更好的泛化能力。

但是，如果数据不是线性可分的，使用多项式核函数可能会得到更高的准确度。通过将数据升维，多项式核函数可以将原来线性不可分的数据转换为线性可分的数据，从而提高准确度。

然而，使用多项式核函数也有一些缺点。首先，使用多项式核函数可能会导致训练时间变长。其次，如果模型训练得过于复杂，它可能会出现过拟合，从而降低泛化能力。

因此，在使用 SVM 时，应根据所使用的数据和问题来决定使用哪种核函数。通常，建议先尝试使用线性核函数，如果发现准确度不够高，再尝试使用多项式核函数。

在选择核函数时，还应考虑其他因素，例如训练时间和泛化能力。例如，如果训练时间不是问题，多项式核函数可能是一个较好的选择。但是，如果希望模型具有较好的泛化能力，则应该使用线性核函数或者其他较为简单的核函数。

总的来说，在使用 SVM 时，应根据所使用的数据和问题来决定使用哪种核函数。通常，建议先尝试使用线性核函数，如果准确度不够高，再尝试使用多项式核函数。