如何在使用带有RBF内核的SVM的系统之间进行适当的比较？

Question

在比较使用带有RBF内核的SVM的系统时，我们应该对所有系统使用相同的C和伽玛（固定值，例如C = 10，gamma = 0.1）还是进行超参数转换，并为每个系统选择最佳的C和伽玛值系统？

Answer 1

正如#sascha所写，不同的分类器可以使用不同的参数更好地训练。

但没关系。 对于不同的任务，您也有不同的要求。 例如，如果您发明了一种新的分类算法，并希望将其与特定任务的最新技术进行比较，那么通常已经有针对您要学习的特定任务的优化代码，因此您只需对您自己的算法做一些小的改进。 另一方面，如果您有一项新任务，并且只想尝试不同的分类器，则需要同时使用它们，直到达到稳定状态。 如果两种算法之间存在很大差异，请选择一种能为您提供更高性能的算法，并且仅能从中发挥作用。 如果他们两个都给您相似的结果，则您有两个选择：

1. 对两者进行小幅调整，直到获得满意的结果
2. 试用其他算法