Molti autori di articoli che leggo affermano che le SVM sono tecniche superiori per affrontare il loro problema di regressione / classificazione, consapevoli di non poter ottenere risultati simili attraverso le NN. Spesso il confronto afferma che
SVM, anziché NN,
- Avere una forte teoria fondante
- Raggiungi l'ottimale globale grazie alla programmazione quadratica
- Non avere problemi per la scelta di un numero adeguato di parametri
- Sono meno inclini al sovradimensionamento
- Richiede meno memoria per archiviare il modello predittivo
- Ottieni risultati più leggibili e un'interpretazione geometrica
È davvero un pensiero ampiamente accettato? Non citare il teorema del pranzo senza libertà o dichiarazioni simili, la mia domanda riguarda l'uso pratico di queste tecniche.
Dall'altro lato, che tipo di problema astratto affronteresti sicuramente con NN?