【发布时间】：2013-04-03 14:50:36
【问题描述】：
我正在尝试使用 R 中 kernlab 包的 ksvm 函数进行 epsilon-SVM 回归。我想将参数 C（正则化常数）和 epsilon（不敏感）作为向量（向量长度 = 训练数据长度）。但我无法弄清楚如何做到这一点。请提出一些方法。
【问题讨论】：
标签： r machine-learning svm kernlab
【发布时间】：2013-04-03 14:50:36
【问题描述】：
为什么你认为你可以做到？根据documentation 的ksvm，您只能对类别进行加权，而不能对特定样本进行加权。这种修改可以在例如sklearn python 库中访问（作为样本的权重）。
要人为地实现每个样本的 C 权重，您可以对数据进行过采样。这将非常低效（尤其是如果您的 C 值差异很大），但它几乎可以应用于任何 SVM 库。
【讨论】：