Чи є програми, де SVM все ще перевершує?

Алгоритм SVM досить старий - він був розроблений у 1960-х, але був надзвичайно популярним у 1990-х та 2000-х роках. Це класична (і досить гарна) частина курсів машинного навчання.

Сьогодні здається, що в обробці медіа (зображення, звук тощо) нейронні мережі повністю домінують, тоді як в інших сферах Gradient Boosting займає дуже сильні позиції.

Крім того, на останніх конкурсах даних я не спостерігаю рішень на основі SVM.

Я шукаю приклади програм, де SVM все ще дає найсучасніші результати (станом на 2016 рік).

Оновлення: я хотів би навести приклад, який я можу навести, наприклад, студентам / колегам, коли вони пояснюють SVM, щоб він не виглядав суто теоретичним чи застарілим підходом.

Відповідно до статті Чи потрібні сотні класифікаторів, щоб вирішити проблеми класифікації реального світу? SVM разом із Random Forest and Gradient Boots Machines є одними з найефективніших алгоритмів класифікації для великого набору 120+ наборів даних (використовуючи точність як метричну).

Я повторив свої експерименти з деякими модифікаціями, і ці три класифікатори працюють краще, ніж інші, але, як говорить теорема про безкоштовний обід , завжди є проблема, коли якийсь інший алгоритм працює краще, ніж ці три.

Так, я б сказав, що SVM (з ядром Гаусса - саме це я використовував) все ще є відповідним алгоритмом для наборів даних, що не стосуються медіа.