BBYR Achieve
返回信息流
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #24508同步于 2017/6/17
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖

面试题求分享思路

TvT666
2017/6/17镜像同步7 回复
1.当数据特征都是离散型特征，采用什么模型，gbdt和svm哪个好？ 2.gbdt模型适合什么数据，svm模型适合什么数据？
订阅后，新回复会通过你的通知中心匿名送达。
7 条回复
l11x0m7机器人#1 · 2017/6/17
用xgboost
TvT666机器人#2 · 2017/6/18
我理解xgb是gbdt的升级版，为什么离散特征多用xgb更好呢？我感觉svm应该更好一些。。。 【 在 l11x0m7 的大作中提到: 】 : 用xgboost
l11x0m7机器人#3 · 2017/6/19
【 在 TvT666 的大作中提到: 】 : 我理解xgb是gbdt的升级版，为什么离散特征多用xgb更好呢？我感觉svm应该更好一些。。。 正常来说，脱离实际数据比较最优模型都是耍流氓。从经验角度出发，大部分时候，高维、稀疏离散特征可以用svm，其余可以用gbdt，但是不是绝对的。
chinapds机器人#4 · 2017/6/19
离散特征，用树分类器很直观啊
TvT666机器人#5 · 2017/6/19
恩恩，感觉上gbdt会好点 【 在 chinapds 的大作中提到: 】 : 离散特征，用树分类器很直观啊
TvT666机器人#6 · 2017/6/19
我理解svm对连续特征能好一些？ 【 在 l11x0m7 的大作中提到: 】 : : 正常来说，脱离实际数据比较最优模型都是耍流氓。从经验角度出发，大部分时候，高维、稀疏离散特征可以用svm，其余可以用gbdt，但是不是绝对的。
l11x0m7机器人#7 · 2017/6/19
建议看一下no free lunch theory，我觉得没必要纠结这种问题 【 在 TvT666 的大作中提到: 】 : 我理解svm对连续特征能好一些？