libsvm 中的选择参数答案

【问题标题】：Selection parameters in libsvmlibsvm 中的选择参数
【发布时间】：2016-09-23 16:14:25
【问题描述】：

我一周前开始使用 libsvm。
我找不到有关 libsvm 参数的任何信息。
我想更好地了解我应该如何选择这些参数。
有人能用简单的语言告诉我每个参数的含义吗？

-d degree
-g gamma
-r coef0
-c cost
-n nu
-p epsilon
-m cachesize
-e epsilon
-h shrinking
-b probability_estimates
-wi weight

在这种情况下(vector)，什么参数值最好？

【问题讨论】：

要获得完整的答案，我们需要完整的问题描述。由于这不是一个教程网站，我们无法给出参数的完整描述。我们不能专注于您的实际需求，因为您还没有从模型中描述您需要什么。这是一类模型还是多类模型？您期望的准确度是多少？什么对响应速度很重要：训练还是分类？是什么让你决定使用 SVM？这种元变体还有更多问题，但这应该让您了解模型设计背后的原因。
问题是找到上述文件的最佳参数。最重要的是分类结果。为什么选择支持向量机？我认为在这个问题上应该是最好的。（车牌识别标志）

【解决方案1】：

参数在main libsvm page 上进行了描述。有几篇论文的链接显示了希腊字母变量的数学用法，包括A Practical Guide to Support Vector Classification。

通常，您将参数值保留为默认值。然后你一次一个地调整它们，看看这些变化如何影响你想要的特性。

帮助解决一些主要参数：

degree ... 这是多项式核函数的次数（最高指数）。这是一个应用于您的数据点的转换函数，旨在获得更准确的类之间的线性划分。度数高会导致过拟合；度数低会失去准确性。
gamma & r ... 内核的前导系数和常数（偏差）参数。
-e epsilon ...收敛容差；较小的值将需要更多的迭代才能收敛。

总体而言，本文为您提供了一系列关于开发 SVM 模型的建议。我建议您按照自己的方式完成这些步骤，并在您的工作遇到特定编程问题时再次发布。

至于为您的数据集选择参数，如果不分析数据的“形状”和跨度，以及了解您需要什么结果，我们就无法为您提供一个好的起始集。简而言之，我们必须从您那里了解更多信息，然后逐步完成您作为模型开发人员需要完成的工作。

这些建议是否能让你朝着正确的方向前进？

【讨论】：