O algoritmo SVM é bastante antigo - foi desenvolvido nos anos 1960, mas era extremamente popular nos anos 1990 e 2000. É uma parte clássica (e bastante bonita) dos cursos de aprendizado de máquina.
Hoje, parece que no processamento de mídia (imagens, som etc.) as redes neurais dominam completamente, enquanto em outras áreas o Gradient Boosting tem posições muito fortes.
Além disso, nas recentes competições de dados, não observo soluções baseadas em SVM.
Estou procurando exemplos de aplicativos nos quais o SVM ainda fornece resultados de última geração (a partir de 2016).
Atualização: eu gostaria de ter um exemplo que eu possa dar, por exemplo, a alunos / colegas ao explicar o SVM, para que não pareça uma abordagem puramente teórica ou obsoleta.
fonte
Respostas:
De acordo com o artigo , precisamos de centenas de classificadores para resolver problemas de classificação no mundo real? O SVM, juntamente com as máquinas de inicialização aleatória de floresta e gradiente, está entre os algoritmos de classificação com melhor desempenho para um grande conjunto de mais de 120 conjuntos de dados (usando a precisão como métrica).
Repeti seus experimentos com algumas modificações e obtive esses três classificadores com desempenho melhor que os outros, mas como o teorema do almoço grátis diz que sempre há um problema em que algum outro algoritmo tem desempenho melhor que esses três.
Então, sim, eu diria que o SVM (com kernel Gaussiano - foi o que eu usei) ainda é um algoritmo relevante para conjuntos de dados não relacionados à mídia.
fonte