繁体 English 中英

RBF和SVM多项式内核的参数选择-两个内核的最佳“ c”（成本参数）是否相同？

[英]Parameter selection for RBF and polynomial kernel of SVM - Is the best 'c' (Cost parameter) same for both kernels?

原文 2014-09-25 09:46:51 4 1 machine-learning/ svm/ libsvm

我已经读过Cost参数与所使用的内核无关，并且取决于训练数据。 在为RBF执行参数选择之后，我得到了'c'和Gamma'g'的最佳组合。 那么我可以对多项式内核使用相同的'c'并确定良好的'd'吗？ 或者，如果我重新开始搜索“ c”和“ d”，是否可以做得更好？

你可以做得更好。 更改内核正在改变解决方案的类型，SVM可以找到它，以及它可能过度适合您的数据，因此您需要一个新的C。尽管如果使用高阶多项式，保留旧的C可能是可以接受的猜测。

[英]The gamma and cost parameter of SVM

[英]Are high values for c or gamma problematic when using an RBF kernel SVM?

[英]SVM custom RBF kernel IndexError

[英]SVM in OpenCV: low accuracy OCR with RBF kernel

[英]Sklearn SVM custom rbf kernel function

[英]Emgu SVM classifier, predicts incorrect with poly and RBF kernels

[英]The parameter b from SVM in case of Gaussian kernel

[英]Custom SVM Polynomial kernel sklearn

[英]increase speed for SVM with polynomial kernel

[英]Changing the C parameter of an SVM in python

暂无

声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

相关问题 SVM的gamma和cost参数使用RBF内核SVM时，c或gamma的高值是否有问题？ SVM 自定义 RBF 内核 IndexError OpenCV中的SVM：具有RBF内核的低精度OCR Sklearn SVM 自定义rbf核函数 Emgu SVM分类器，可预测多边形和RBF内核的错误在高斯 kernel 的情况下，来自 SVM 的参数 b 自定义 SVM 多项式内核 sklearn 用多项式核增加SVM的速度在python中更改SVM的C参数

相关标签