Podczas używania libsvm
parametr jest parametrem funkcji jądra. Jego domyślna wartość to
Czy istnieją jakieś teoretyczne wskazówki dotyczące konfigurowania tego parametru oprócz istniejących metod, np. Wyszukiwania siatki?
źródło
Podczas używania libsvm
parametr jest parametrem funkcji jądra. Jego domyślna wartość to
Czy istnieją jakieś teoretyczne wskazówki dotyczące konfigurowania tego parametru oprócz istniejących metod, np. Wyszukiwania siatki?
Sugerowałbym następujące wskazówki teoretyczne. Gdy używasz jądra Gaussa RBF, twoja powierzchnia oddzielająca będzie oparta na kombinacji powierzchni w kształcie dzwonu wyśrodkowanych na każdym wektorze podporowym. Szerokość każdej powierzchni w kształcie dzwonu będzie odwrotnie proporcjonalna do . Jeśli ta szerokość jest mniejsza niż minimalna odległość danych dla par, to zasadniczo masz do czynienia z przeregulowaniem. Jeśli ta szerokość jest większa niż maksymalna odległość danych dla par, wszystkie punkty należą do jednej klasy i Ty też nie masz dobrej wydajności. Zatem optymalna szerokość powinna być gdzieś pomiędzy tymi dwoma skrajnościami.
pair-wise distance for your data
= prosta odległość euklidesowa po skalowaniu?Nie, zasadniczo zależy to od danych. Wyszukiwanie w siatce (ponad hiperparametrami transformowanymi logarytmicznie) jest bardzo dobrą metodą, jeśli masz tylko niewielką liczbę hiperparametrów do dostrojenia, ale nie ustawiasz zbyt dobrej rozdzielczości siatki lub prawdopodobnie przesadzasz strojenie kryterium. W przypadku problemów z większą liczbą parametrów jądra uważam, że metoda simpleksowa Neldera-Meada działa dobrze.
źródło