如何选择 SVM 回归的最佳参数？

Question

我知道 e1071 包中的tune() 对于选择 SVM 回归的最佳参数很有用。但我只是不知道如何为 gamma、cost 等参数选择合适的范围和epsilon?

x<-tune.svm(rg~.,data=train,kernel="radial",
            gamma = c(0.01,0.03,0.1,0.3,1.3,10,30),cost=2^(2:9),epsilon =c(0.01,0.03,0.1,0.3,1.3,10,30) )

上面的参数只是随机选择的。任何建议，将不胜感激。 非常感谢！！

好的。这是我在tune.svm 之后的训练数据结果，x 轴是拟合数据，y 轴是实际数据。有没有关于如何提高 SVM 性能的想法？

以及训练集中的数据： > head(train) rg weather sex member_type annual_income Weekend age_group 1 0.035725277 6 2 3 1 2 3 2 1.693898548 6 2 1 5 2 1 3 0.009012839 1 2 3 1 1 3 4 0.014902879 6 2 3 2 2 3 6 0.003531616 6 2 3 1 1 2 7 0.001575542 6 1 3 2 1 3

Answer 1

大多数人使用的正是您所使用的，这是一个增长 3 倍的范围。在某些情况下，我尝试了 1.5 的倍数，即 (0.01, 0.015, 0.03...)。我提高了我的表现一点，但不是太多。这完全取决于您的训练持续多长时间。

我会尝试最小为 0.0001 等较小的数字，最大为 1000。也许 1000 太多了，但我总是尝试比我认为的最大值大一个数量级，我会说它是 100。