在libsvm中訓練時間並過度使用gamma和C

Question

我現在使用libsvm與高斯內核一起支持向量機分類器。 在其網站上 ，它提供了一個python腳本grid.py來選擇最佳的C和gamma。

我只是想知道伽瑪和C的訓練時間和過度擬合/擬合不足會如何變化？

是否正確：

假設C從0變為+無窮大，則訓練后的模型將從欠擬合變為過擬合，並且訓練時間增加了嗎？

假設伽馬從幾乎0變為+無限大，訓練后的模型將從不完全擬合變為過度擬合，並且訓練時間增加了？

在grid.py中，默認的搜索順序是C從小到大，但Gamma從大到小。 是為了從小型培訓到大型培訓時間，還是從擬合不足到過度擬合的訓練模型？ 這樣我們也許可以節省選擇C和gamma值的時間？

謝謝並恭祝安康！

Answer 1

我沒有一個確定的答案，這是一個好問題，因為我自己想知道。 但是針對這個問題：

這樣我們也許可以節省選擇C和gamma值的時間？

...我發現，使用libsvm，對於C和gamma來說，肯定存在高度依賴於問題的“正確”值。 因此，無論搜索伽瑪的順序如何，都必須測試許多伽瑪候選值。 最終，我不知道此耗時的快捷方式（取決於您的問題），但需要進行參數搜索。