Welche der Parameter in LibSVM ist die slack-variable?
Ich bin ein bisschen verwirrt über die Bezeichnungen in der SVM. Ich bin mit dieser Bibliothek LibSVM. Es gibt so viele Parameter, die eingestellt werden können. Weiß jemand, welche von diesen ist die slack-variable?
thx
Du musst angemeldet sein, um einen Kommentar abzugeben.
Den "slack variable" C in c-svm und nu in nu-SVM. Diese beiden dienen die gleiche Funktion in Ihren jeweiligen Formulierungen - die Steuerung der Kompromiss zwischen einem breiten Rand und classifier Fehler. Im Falle von C, in der Regel testen Sie es in Größenordnungen, sagen 10^-4, 10^-3, 10^-2,... 1, 5 oder so. nu ist eine Zahl zwischen 0 und 1, im Allgemeinen von .1 bis .8, die steuert das Verhältnis zwischen support-Vektoren, um Daten Punkte. Wenn nu ist .1, die Marge ist klein, die Anzahl der support-Vektoren wird ein kleiner Prozentsatz der Anzahl der Daten-Punkte. Wenn nu .8, die Marge ist sehr groß und die meisten der Punkte werden im Herbst die Marge.
Die anderen Dinge zu berücksichtigen sind Ihre Wahl von kernel (linearen, RBF, sigmoid, Polynom) und die Parameter für den gewählten kernel. In der Regel hat man eine Menge tun, um zu Experimentieren, um zu finden die beste Kombination von Parametern. Achten Sie jedoch darauf, von over-fitting zu Ihrem dataset.
Burges schrieb ein tolles tutorial: A Tutorial on Support Vector Machines for Pattern
Anerkennung
Aber wenn man meist nur wissen wollen, wie es zu BENUTZEN, und weniger darüber, wie es funktioniert, Lesen Sie "A Practical Guide to Support Vector Classication" von Chih-Wei Hsu, Chih-Chung Chang und Chih-Jen Lin (Autoren von libsvm)
Zunächst entscheiden, welche Art von SVM sind u beabsichtigen zu verwenden: C-SVC, nu-SVC , epsilon-SVR, oder nu-SVR. Meiner Meinung nach u-Bedarf, zu variieren, C und gamma die meiste Zeit... der rest sind meist fest..