数值化你的数据。例如,将所有的属性用区间[0,1]或[-1,+1]中的数值表示。
*使用C-SVC模型时,可以考虑选用“tools”文件夹中的模型选择工具。
*在nu-SVC/one-class-SVM/nu-SVR模型中的nu参数接近训练错误和支持向量的商。
*如果分类的目标数据是不均衡的(比如正数很多,且很少有负数),试着通过-wi参数调整惩罚因子C(参见下面的示例)。
*处理较大规模问题时设定较大的缓存大小(也就是扩大参数-m的数值)。
数值化你的数据。例如,将所有的属性用区间[0,1]或[-1,+1]中的数值表示。
*使用C-SVC模型时,可以考虑选用“tools”文件夹中的模型选择工具。
*在nu-SVC/one-class-SVM/nu-SVR模型中的nu参数接近训练错误和支持向量的商。
*如果分类的目标数据是不均衡的(比如正数很多,且很少有负数),试着通过-wi参数调整惩罚因子C(参见下面的示例)。
*处理较大规模问题时设定较大的缓存大小(也就是扩大参数-m的数值)。