使用libsvm调整svm

Question

4

我刚开始使用LIBSVM包，意识到参数调整很重要，但是有几个问题。

如何选择正确的核函数？我知道线性核最快，但是什么情况下我们应该使用其他核函数？只有当准确率过低时才应该使用吗？还是有其他自动选择正确核函数的方法？

其次，在Matlab中调整SVM的方法是否高效？我能想到的唯一方法就是为每个要测试的参数制作嵌套的 for-loops，然后用分类器进行训练和预测。对于这么基本的东西，这需要很多代码...

- Jeff Dun

2个回答

0

请查看下面给出的链接。代码片段很好，特别是展示了使用三种不同尺度的交叉验证来调整参数。希望这有所帮助！

- ggauravr

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Marc Claesen · Accepted Answer

如何选择正确的核函数？我知道线性核函数是最快的，但我们什么时候应该使用其他核函数？只有当准确度太低时才需要吗？还是有其他方法来编程自动选择正确的核函数？

最好的方法始终是从线性核函数开始。如果您正在处理大型数据集（数千个维度中的数十万个实例），则可能需要使用专门的线性软件包（例如LIBLINEAR）或集成方法（EnsembleSVM）。请注意，后者尚未具有适当的matlab接口。

如果您有高维稀疏数据，则线性核函数通常表现非常出色，甚至可以与更复杂的核函数进行比较。

通常情况下，如果您使用线性核函数的准确度不够，最好的选择是使用RBF核函数。它们被认为在大多数数据集上表现非常好。但是，当您切换到RBF核函数时，您需要调整核参数“gamma”。

其次，是否有一种有效的方法在Matlab中调整SVM？

是的！LIBSVM提供了k折交叉验证，使用训练期间的“-v k”标志。当您提供此选项时，训练将产生交叉验证准确度（分类）或mse（回归），而不是模型。但是，您仍然需要循环遍历参数元组。