【问题标题】:identifying possible overfitting in SVM识别 SVM 中可能的过拟合
【发布时间】:2013-12-13 10:04:40
【问题描述】:

SVM 可以通过正确选择参数来避免过度拟合。如何知道经过训练的 svm 是否过拟合?有没有办法识别?如何避免?使用看不见的数据进行测试有帮助吗?

【问题讨论】:

  • 我不确定是否有规范的方法可以做到这一点,但可能更简单的方法是比较测试数据集和验证数据集之间的结果。结果之间的巨大差异可能表明存在泛化问题。

标签: machine-learning computer-vision svm libsvm


【解决方案1】:

libSVM 元训练正是为您做的。如果您有(元)训练看不到的数据,您可以对此测试数据进行预测,并将其性能与训练数据的性能进行比较。小的差距是可以的,而大的差距是过度拟合或训练数据太少的指标。

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 2016-07-01
    • 2015-03-25
    • 2019-02-08
    • 2020-02-05
    • 2015-07-09
    • 2017-09-28
    • 2012-05-29
    • 1970-01-01
    相关资源
    最近更新 更多