SVM и Random Forest используются в задачах классификации.
а) Если вы уверены, что ваши данные свободны от выбросов и чисты, используйте SVM. Наоборот
— если ваши данные могут содержать выбросы, тогда Random forest
будет лучшим выбором
b) Как правило, SVM потребляет больше вычислительной мощности, чем Random
Forest, поэтому, если вы ограничены памятью, используйте алгоритм машинного обучения Random Forest
.
c) Random Forest дает вам очень хорошее представление о важности переменных в ваших
данных, поэтому, если вы хотите иметь переменную важность затем выберите алгоритм машинного обучения Random Forest
.
d) Алгоритмы машинного обучения Random Forest предпочтительны для многоклассовых
задач.
e)
SVM предпочтительнее в многомерных набор задач — как классификация текста
, но как хороший специалист по данным, вы должны поэкспериментировать с ними обоими и проверить точность или, скорее, вы можете использовать множество методов машинного
обучения.