如何在 sklearn 中为 svm 选择参数

Question

我正在尝试使用 sklearn 中的 SVM 来解决分类问题。我得到了一个高度稀疏的数据集，其中包含超过 50K 行和二进制输出。
问题是我不太清楚如何有效地选择参数，主要是内核，gamma anc C。

例如，对于内核，我是否应该尝试所有内核并只保留给我最满意结果的内核，还是在选择内核之前我们可以首先看到与我们的数据相关的内容？ C 和 gamma 也是如此。

谢谢！

Answer 1

是的，这主要是一个实验问题——尤其是您对您的数据集很少告诉我们：可分离性、线性度、密度、连通性……所有影响分类算法的特征。

首先尝试线性和高斯内核。如果线性不能很好地工作而高斯可以，那么尝试其他内核。

一旦您找到了最好的 1 或 2 个内核，然后就可以使用成本和 gamma 参数。 Gamma 是一个“松弛”参数：它允许内核产生一定比例的原始分类错误，以换取其他好处：间隙宽度、分区函数的简单性等。

我还没有一个应用程序可以从改变成本中获得微不足道的好处。