tuning svm-Parameter in R (lineare SVM-kernel)

was ist der Unterschied zwischen tune.svm() und am besten.svm().

Wenn wir tunen die Parameter der svm-kernel, sind wir nicht erwartet, dass wählen immer die besten Werte, die für unser Modell.

Verzeihen, wie ich bin neu in R und machine learning.

Bemerkte ich, dass es keine lineare kernel-option in der tuning-svm. Gibt es eine Möglichkeit, tune mein svm mit linearer kernel

InformationsquelleAutor aceminer | 2014-10-03

  1. 8

    Vom ETHZ: best.svm() ist eigentlich nur ein wrapper für tune.svm(...)$best.model. Die
    Hilfe-Seite für tune() erfahren Sie mehr über die verfügbaren Optionen.

    Werden sicher auch durch die Beispiele auf der Hilfe-Seite für tune(). e1071::svm bietet linear, radial (Standard), Sigma-und polynomial-Kernel, siehe help(svm). Zum Beispiel, die lineare kernel den Funktionsaufruf muss das argument kernel = 'linear':

    data(iris)
obj <- tune.svm(Species~., data = iris, 
                cost = 2^(2:8), 
                kernel = "linear")

    Wenn Sie neu in R und würde gerne die Zug-und cross-Validierung der SVM-Modelle kannst du auch die caret Paket und seine train Funktion bietet mehrere Arten von Kerneln. Die ganzen "Themen" Abschnitt auf dieser Website von Interesse sein könnten, zu.

    Ich habe überprüft, und es gibt keine parameter für die Auswahl der kernel. Es warf sich ein Fehler für mich
    Die Funktion warf der Fehler??? Wie im obigen Beispiel, den kernel-Auswahl funktioniert in tune.svm.
    denke es war ein Tippfehler. Seine arbeiten fein jetzt vielen Dank.

    InformationsquelleAutor thie1e

Schreibe einen Kommentar