如何在使用帶有RBF內核的SVM的系統之間進行適當的比較？

Question

在比較使用帶有RBF內核的SVM的系統時，我們應該對所有系統使用相同的C和伽瑪（固定值，例如C = 10，gamma = 0.1）還是進行超參數轉換，並為每個系統選擇最佳的C和伽瑪值系統？

Answer 1

正如#sascha所寫，不同的分類器可以使用不同的參數更好地訓練。

但沒關系。 對於不同的任務，您也有不同的要求。 例如，如果您發明了一種新的分類算法，並希望將其與特定任務的最新技術進行比較，那么通常已經有針對您要學習的特定任務的優化代碼，因此您只需對您自己的算法做一些小的改進。 另一方面，如果您有一項新任務，並且只想嘗試不同的分類器，則需要同時使用它們，直到達到穩定狀態。 如果兩種算法之間存在很大差異，請選擇一種能為您提供更高性能的算法，並且僅能從中發揮作用。 如果他們兩個都給您相似的結果，則您有兩個選擇：

1. 對兩者進行小幅調整，直到獲得滿意的結果
2. 試用其他算法