2012-02-21 40 views

回答

15

「鬆弛變量」是c-svm中的C和nu-SVM中的nu。這兩者在它們各自的公式中都起到相同的作用 - 控制了大範圍和分類錯誤之間的權衡。在C的情況下,通常測試它的數量級,例如10^-4,10^-3,10^-2 ......至1,5左右。 nu是一個0到1之間的數字,通常從.1到.8,它控制支持向量與數據點的比例。當nu爲.1時,保證金很小,支持向量的數量將佔數據點數量的一小部分。當nu爲.8時,保證金非常大,大部分的保證金都會下降。

其他要考慮的事情是您選擇的內核(線性,RBF,S形,多項式)和所選內核的參數。通常人們必須做大量的實驗才能找到最佳的參數組合。但是,請小心過度擬合您的數據集。

伯吉斯寫了一個偉大的教程:A Tutorial on Support Vector Machines for Pattern Recognition

但如果你大多隻是想知道如何使用它,少考慮它是如何工作的,閱讀"A Practical Guide to Support Vector Classication" by Chih-Wei Hsu, Chih-Chung Chang, and Chih-Jen Lin(LIBSVM的作者)

1

首先確定哪種類型的SVM是您打算使用的:C-SVC,nu-SVC,epsilon-SVR或nu-SVR。在我看來,你需要在大多數時間改變C和gamma ......其餘的通常是固定的..

+0

我使用C-SVC – Hossein 2012-02-22 08:50:49

+0

看看你的問題鏈接中提供的選項...有一個例子也...例如-s 0 -c 10 -t 1 -g 1 -r 1 -d 3 – lakesh 2012-02-22 09:03:50

+0

除此之外,你還讀了提供的README文件夾......它非常詳盡,寫得很好...... – lakesh 2012-02-22 09:04:34