Python scikits SVM网格搜索和分类

Question

我是scikits和svm的初学者，我想检查几个问题。 我有700个项目和35个功能部件的样本，并且有3个类。 我有一个带有样本和特征的数组X，这些样本和特征使用“ preprocessing.scale（X）”进行了缩放。 第一步是找到合适的SVM参数，我正在使用带有嵌套交叉验证的网格搜索（请参阅http://scikit-learn.org/stable/auto_examples/grid_search_digits.html# ）。 我正在“网格搜索”中使用所有样本（X）。 在网格搜索期间，数据被分为训练和测试（使用StratifiedKFold）。 获得SVM参数后，我将执行分类，将数据分为训练和测试。 在网格分类中使用与真实分类期间将使用的相同数据可以吗？

Answer 1

在网格分类中使用与真实分类期间将使用的相同数据可以吗？

可以使用此数据来训练（拟合）分类器。 交叉验证（由StratifiedKFold完成）旨在用于在优化超参数（算法设置）的同时，您没有足够的数据来支持验证集的情况。 如果您懒得制作验证集拆分器，并且想依靠scikit-learn的内置交叉验证，也可以使用它：)

在使用交叉验证找到最佳设置之后， GridSearchCV的refit选项将在整个训练集上对估计量进行重新训练。

但是， 将训练有素的分类器应用于网格搜索或训练的数据是毫无意义的，因为您已经有了标签。 如果要对分类器进行形式化评估，则应从一开始就提供测试集，然后再进行一次网格搜索，验证和拟合，然后再进行测试。

Answer 2

我不是机器学习专家，但据我所知，交叉验证的优点是过拟合安全。 因此，完全有可能（根据CV结果）使用性能最佳的分类器进行最终评估。

但问题是，为什么您需要对已有标签的数据进行“真实分类”？ 最终目标是什么（SVM性能评估或分类）？