使用具有最佳C和Gamma的libsvm訓練數據

Question

嗨，我正在使用libsvm（在VS2010中）來訓練我的數據，我使用svm-scale.c成功地縮放了輸入和輸出數據，並且我的數據已准備好進行訓練...

現在我有兩個問題：

1）。

正如我從LIBSVM文檔中讀取的那樣，我意識到首先需要訓練縮放后的數據並獲得模型。 然后使用該模型預測最終結果，但是問題是當我想訓練我的系統時，我不知道什么是我的模型參數的最佳選擇，特別是（C，g）來訓練我的數據！ 我要做的是首先加載縮放后的數據，然后使用svm_problem將火車數據填充到svm_nodes，然后調用此函數：

struct svm_model * svm_train（const struct svm_problem * prob， const struct svm_parameter * param ）;

2）。 另外我不確定libsvm函數的正確函數調用->我的意思是我先使用svm_train然后使用svm_predict查看結果，而且我不知道是否應該調用sth嗎？

型號= svm_train（My_data，My_param）; //我不知道如何填寫my_param

svm_node Test_Vector = svm_scale_data（x）; //使用與scaled_training數據相同的算法

雙重結果= svm_predict（Model，Test_Vector）;

謝謝

Answer 1

如果要通過C ++調用LIBSVM，則可以通過讓LIBSVM在內部進行交叉驗證來優化參數。 這樣做時，您只需要遍歷要測試的參數元組（C，gamma），並讓LIBSVM執行交叉驗證而不是進行適當的訓練。

您可以使用以下API函數使LIBSVM執行交叉驗證：

void svm_cross_validation(const struct svm_problem *prob, const struct svm_parameter *param, int nr_fold, double *target);

為了回答您的其他問題：是的，這是完全正常的調用svm_train()然后svm_predict()