如何對使用SVM和RBF內核的系統進行適當的比較？

在比較使用SVM和RBF內核的系統時，我們是否應該對所有系統使用相同的C和gamma（固定值，例如C = 10，gamma = 0.1）或者進行超參數車削，並選擇C和gamma的最佳值爲每個系統？如何對使用SVM和RBF內核的系統進行適當的比較？

來源

2016-05-11 Deja Vu

什麼是「系統「？你在比較什麼？ – sascha

我正在構建一個文本分類系統，並希望比較不同文本分類系統的性能。 –

如果這些系統由不同的輸入數據組成以支持SVM，那麼您當然會使用基於每個系統的參數優化。一個系統的最優參數不一定是其他的最好參數（具有很高的概率）。這是因爲hyper-param opt總是依賴於數據。 – sascha

As #sascha寫道，不同的分類器可以用不同的參數訓練得更好。

但是沒關係。對於不同的任務你也有不同的要求。例如，如果您發明了一種新的分類算法，並且希望將其與針對特定任務的最新技術進行比較，那麼通常會爲您嘗試學習的特定任務已經有一個優化的代碼，所以您只需要對自己的算法進行細化即可。另一方面，如果你有一個新的任務，並且只想嘗試不同的分類器，那麼你需要使用這兩個分類器，直到達到某個高原。如果算法之間存在很大差異，那麼採取那種給予你更高性能的方法，而不是隻能使用它。如果他們兩個給你同樣的結果，你有兩個選擇：

進行小的調整，以他們兩人，直到你得到一個滿足導致
嘗試其他算法

來源

2016-05-12 09:13:05 lazary

如何對使用SVM和RBF內核的系統進行適當的比較？

回答

相關問題