Ich verwende SVM zur Klassifizierung und versuche, die optimalen Parameter für lineare und RBF-Kernel zu ermitteln. Für den linearen Kernel verwende ich eine kreuzvalidierte Parameterauswahl, um C zu bestimmen, und für den RBF-Kernel verwende ich eine Gittersuche, um C und Gamma zu bestimmen.
Ich habe 20 (numerische) Funktionen und 70 Trainingsbeispiele, die in 7 Klassen eingeteilt werden sollten.
Welchen Suchbereich soll ich zur Ermittlung der optimalen Werte für die C- und Gamma-Parameter verwenden?
quelle
Lesen Sie Abschnitt 2.3.2 dieses Papiers von Chapelle und Zien. Sie haben eine schöne Heuristik, um einen guten Suchbereich für des RBF-Kernels und C für die SVM auszuwählen . Ich zitiereσ C
Danach sie ein Vielfaches (zB für k ∈ { - 2 , . . . , 2 } ) der Standardwert als Suchbereich in einer Gittersuche Kreuzvalidierung verwendet. Das hat bei mir immer sehr gut geklappt.2k k ∈ { - 2 , . . . , 2 }
Natürlich haben wir @ciri gesagt, das Normalisieren der Daten usw. ist immer eine gute Idee.
quelle