机器学习之 libsvm 参数说明

最新推荐文章于 2021-08-31 11:19:02 发布

稚枭天卓

最新推荐文章于 2021-08-31 11:19:02 发布

阅读量2.4k

点赞数 1

分类专栏：机器学习算法文章标签： SVM RBF 参数核函数

本文链接：https://blog.csdn.net/u013630349/article/details/47314417

版权

本文介绍了LibSVM在训练模型时的参数设置，包括SVM类型、核函数、度数、γ和C等。重点讨论了RBF核函数，并提到了网格搜索方法（如SVMcgForClass和SVMcgForRegress）来寻找最佳的C和γ参数，以提升模型的分类或回归性能。此外，还解释了模型中的各项参数含义，如支持向量数量、b（bias）和sv_coef等。

摘要由CSDN通过智能技术生成

因为要用svm做regression，所以看了一些关于libsvm，总结以备用

libsvm在训练model的时候，有如下参数要设置，当然有默认的参数，但是在具体应用方面效果会大大折扣。

Options：可用的选项即表示的涵义如下
　　-s svm类型：SVM设置类型(默认0)
　　0 -- C-SVC
　　1 --v-SVC
　　2 -- 一类SVM
　　3 -- e -SVR
　　4 -- v-SVR

　　-t 核函数类型：核函数设置类型(默认2)
　　0 – 线性：u'v
　　1 – 多项式：(r*u'v + coef0)^degree
　　2 – RBF函数：exp(-gamma|u-v|^2)
　　3 –sigmoid：tanh(r*u'v + coef0)

　　-d degree：核函数中的degree设置(针对多项式核函数)(默认3)
　　-g r(gama)：核函数中的gamma函数设置(针对多项式/rbf/sigmoid核函数)(默认1/ k)
　　-r coef0：核函数中的coef0设置(针对多项式/sigmoid核函数)((默认0)
　　-c cost：设置C-SVC，e -SVR和v-SVR的参数(损失函数)(默认1)
　　-n nu：设置v-SVC，一类SVM和v- SVR的参数(默认0.5)
　　-p p：设置e -SVR 中损失函数p的值(默认0.1)
　　-m cachesize：设置cache内存大小，以MB为单位(默认40)
　　-e eps：设置允许的终止判据(默认0.001)
　　-h shrinking：是否使用启发式，0或1(默认1)
　　-wi weight：设置第几类的参数C为weight*C(C-SVC中的C)(默认1)
　　-v n: n-fold交互检验模式，n为fold的个数，必须大于等于2
　　其中-g选项中的k是指输入数据中的属性数。option -v 随机地将数据剖分为n部

当构建完成model后，还要为上述参数选择合适的值，方法主要有Grids