machine-learning - MNIST 的 SVM 内核

事实:

支持向量机是一种众所周知的机器学习算法。

MNIST 是一种流行的手写数字识别竞赛。

SVM 几乎与手动调整的神经网络一样好。

在使用 SVMS 时，Kernel 函数的选择至关重要。

问题:

在使用 SVM 的 MNIST 的最新成果中，人们使用哪些内核？

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!

最佳答案

查看 SVM 部分下的 http://yann.lecun.com/exdb/mnist/。您将看到高斯核和多项式核的 SVM 获得了
如果您想超越它，那么您将需要创建所谓的虚拟示例(例如旋转、移动、扭曲数字)并添加额外的标准化。

关于machine-learning - MNIST 的 SVM 内核，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/24966956/