当我使用由75％的“ true”标签和25％的“ false”标签组成的不平衡数据集时，如何在libSVM中设置gamma和Cost参数？由于数据不平衡，将所有预测标签都设置为“ True”时经常出现错误。
如果问题不是libSVM，而是我的数据集，那么我应该如何从理论机器学习的角度处理这种不平衡？*我正在使用的功能数量在4到10之间，而我只有250个数据点。
类的不平衡与C和gamma的选择无关，要解决此问题，您应该使用类加权方案，例如，在scikit-learn程序包（基于libsvm）中可用
最好选择C和gamma使用具有交叉验证网格搜索执行。您应该在此处尝试广泛的值范围，因为C在之间选择值是合理的1，10^15而gamma范围值的简单而有效的启发方法是计算所有数据点之间的成对距离，并根据此分布的百分位数选择伽玛-考虑一下在每个点中放置一个方差等于1/gamma-的高斯分布，如果选择gamma该分布以使许多点重叠，则会得到非常“平滑”的模型，而使用较小的方差会导致过度拟合。
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