machine-learning - MNIST 的 SVM 内核

Question

事实:

• 支持向量机是一种众所周知的机器学习算法。

• MNIST 是一项流行的手写数字识别竞赛。

• SVM 几乎与手动调整神经网络一样好。

• 在使用SVMS时，核函数的选择至关重要。

问题:

• 在使用 SVM 的 MNIST 的最先进结果中，人们使用什么内核？

• 假设输入是 16x16 灰度图像。

• 我想知道应用什么内核 $K(x,z)$，其中 x/z 是 16x16 图像，$K$ 是内核函数。

谢谢!

Answer 1

看看http://yann.lecun.com/exdb/mnist/在 SVM 部分下。您将看到高斯核和多项式核的 SVM 获得了 <1.5% 误差的竞争结果。

如果您想超越这一点，那么您将需要创建所谓的虚拟示例(例如旋转、移位、扭曲数字)并添加额外的标准化。