2
只需對scikits中的兩個選項感興趣,就可以學習SVM類。 Scale_C和縮小是做什麼的?文檔中沒有太多內容。比例C似乎能夠適當地爲訓練數據縮放C參數。python scikits學習 - 支持向量機選項
由於
只需對scikits中的兩個選項感興趣,就可以學習SVM類。 Scale_C和縮小是做什麼的?文檔中沒有太多內容。比例C似乎能夠適當地爲訓練數據縮放C參數。python scikits學習 - 支持向量機選項
由於
scale_C=True
(棄用dev的版本和計劃在0.12去除)導致正則化參數C
由樣本的數目被劃分之前就拖運到底層LIBSVM實現。
shrinking
啓用或禁用由Joachims 1999描述的「縮小啓發式」,這應該加速SVM的訓練。
啊好吧謝謝。如何通過樣本數量劃分C有助於SVM培訓? – tomas 2012-03-09 23:04:23
@tomas:將其設置爲「True」使正則化與樣本數無關。設置爲「False」時,如果樣本數加倍,則必須加倍。我建議您始終將其設置爲「True」。我相信這將是未來的行爲。 – 2012-03-09 23:13:26
在任何情況下,C的值都應通過開發集上的交叉驗證網格搜索來選擇。這兩者本質上都不如其他。您只需要知道,如果您對其絕對值感興趣以及如何在目標函數中使用它(例如發佈科學期刊),則sc不會再通過scikit-learn的開發版本中的樣本數縮放C。 – ogrisel 2012-03-10 06:30:00