scikit學習多類支持向量機的參數優化

Question

我想在scikit學習庫中使用SVC類來解決多類分類問題。我對一對一戰略感興趣。我想 優化每對類的超參數（C和伽馬）。但我並不知道如何在scikit-learn中做到這一點。我怎樣才能做到這一點？ 非常感謝。

Answer 1

正如@ncfirth所述，您可以使用GridSearchCV根據您的訓練集找到最佳參數。我在我的程序中使用了下面的代碼。

tuned_parameters = [{'kernel': ['rbf'], 'gamma': [1e-3, 1e-4, 1e-5, 1e-6, 1e-7, 1e-8], 
        'C': [1, 10, 100, 1000]}] 

scores = ['precision', 'recall'] 

for score in scores: 
    print("# Tuning hyper-parameters for %s" % score) 
    print() 

    clf = GridSearchCV(svm.SVC(C=1), tuned_parameters, cv=5, 
         scoring='%s_macro' % score) 
    clf.fit(X, Y) 

    print("Best parameters set found on development set:") 
    print() 
    print(clf.best_params_) 

我從stackoverflow得到了上述解決方案（沒有鏈接到它），它幫助我在我的程序中選擇正確的gamma值和C值。我的要求是隻檢查'rbf'內核。您可以包含線性，多邊形和其他內核及其參數，以檢查是否適合您的程序。