使用支持向量机参数优化的一般准则。

pblack476

某些学习器具有无限的配置可能性，任务似乎令人望而生畏。

那么，关于如何进行模型创建的这一步，有哪些指导方针呢?现在我正在尝试优化一个支持向量机，虽然autommodel给了我一个起点，但似乎还有更多的测试。我该如何解决这个问题?通常在SVM中调优的有效参数是什么?它们的推荐范围是什么?

请记住，对于我的应用程序，我可以让一个模型运行一夜而不会出现问题。但我正试图尽我所能理解这个问题，并尽可能避免强行解决。

我的CPU是8750h, RAM是16gb

varunm1

你好@pblack476

我尝试在SVM中调整的三个参数是kernel, C和gamma。C值的具体范围很难得知。但是非常大的C值可能会过度拟合模型，并且还需要更多的处理时间。你可以尝试C 0到20，看看你在哪里得到最好的模型，如果是20，试着增加C，看看你是否也能得到20以上的最佳模型。

在伽马的情况下，低的会有高的方差高的会有低的方差。你也可以像上面那样搜索伽马值。

RM中的SVM帮助文本给出了它们的最大允许范围

BalazsBarany

你好,

也有建议尝试从0.0001到100的对数步骤C。

优化参数的例子(网格):
最小值:0.0001最大值:100步骤:6刻度:对数

在这些步骤中更改C可能会让您更好地了解最佳值。但您也应该尝试默认设置0，因为这会使用一些启发式方法来确定一个合适的值。

问候,

Balazs