Misalkan saya memiliki jaringan neural single layer yang sederhana, dengan n input dan output tunggal (tugas klasifikasi biner). Jika saya mengatur fungsi aktivasi di node output sebagai fungsi sigmoid- maka hasilnya adalah classifier Logistic Regression.
Dalam skenario yang sama ini, jika saya mengubah aktivasi output ke ReLU (unit linear yang diperbaiki), lalu apakah struktur yang dihasilkan sama atau mirip dengan SVM?
Jika tidak mengapa?
neural-networks
svm
IKLAN
sumber
sumber
Jawaban:
Agar kehilangan jaringan dalam bentuk yang sama dengan SVM, kami hanya dapat menghapus fungsi aktivasi non-linear dari lapisan keluaran, dan menggunakan hilangnya engsel untuk propagasi balik.
Jadi dalam hal fungsi kerugian, SVM dan regresi logistik cukup dekat, meskipun SVM menggunakan algoritma yang sangat berbeda untuk pelatihan dan inferensi berdasarkan vektor dukungan.
Ada diskusi yang bagus tentang hubungan SVM dan regresi logistik di bagian 7.1.2 buku Pengenalan Pola dan Pembelajaran Mesin .
sumber