如何用gridregression.py进行参数优化

在用支持向量机进行分类或回归时，较重要的参数有C，和g。怎么进行参数优化，前面已经介绍过一些方法，这里介绍下怎么使用libsvm的功能来优化参数。

 

 

-p尽量选个比较小的数字。需要仔细调整的重要参数是-c和-g。除非用gridregression.py来搜索最优参数，否则只能自己慢慢试了。

用gridregression.py搜索最优参数的方法如下：
  python d:/bishe/libsvm-2.84/python/grid.py -log2c -10,10,1 -log2g -10,10,1 -s 3 -v 10 -svmtrain D:/bishe/libsvm-2.84/windows/svmtrain.exe -gnuplot D:/bishe/gp373w32/pgnuplot.exeD:/bishe/libsvm-2.84/2.scaled > D:/bishe/libsvm-2.84/2.parameter

注意：-svmtrain是给出svmtrain.exe所在路径，一定要是完整的全路径
-gnuplot是给出pgnuplot.exe所在路径。这里要用pgnuplot.exe这种命令行形式的，不要用wgnupl32.exe，这个是图形界面的。
-log2c是给出参数c的范围和步长
-log2g是给出参数g的范围和步长
-log2p是给出参数p的范围和步长
上面三个参数可以用默认范围和步长
-s选择SVM类型，也是只能选3或者4
-t是选择核函数
-v 10 将训练数据分成10份做交叉验证。默认为5
最后给出归一化后训练数据的全路径
搜索最优参数的过程写入文件gridregression_feature.parameter（注意别少了这个>符号啊）

根据搜索到的最优参数修改feature.scaled.model中的参数
=====================================================

不明白的是按道理应该是用gridregression.py，可以实际上不行，用如上面的grid.py 却可以，看网上说gridregression.py是根据grid.py 修改的，不知道到底是怎么回事。