如果我将其rbf
用作内核函数,则必须调整两个参数(c
和g
)。我可以搜索每个参数对(ci
,gi
),然后选择最佳的对。有没有更好的方法来找到最佳参数。
To pick, say 1000 pairs (x,x’) at random from your dataset, compute the distance
of all such pairs and take the median, the 0.1 and the 0.9 quantile. Now pick λ
to be the inverse any of these three numbers. With a little bit of cross
validation you will figure out which one of the three is best. In most cases you
won’t need to search any further.
而这篇文章从交叉验证提供为什么这样的方法效果很好的原因进行了分析。基本上避免了为所有或仅一个数据点更改决策功能。
此外,您可以在SVM中的参数选择上搜索“启发式方法”。例如,在M.Boardman等人的“使用支持向量机进行自由参数优化的启发式方法”中,与详尽的网格搜索相比,作者应用了模拟退火来提高参数搜索的效率。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句