当比较使用支持向量机和径向基函数核的系统时,我们应该对所有系统使用相同的C和伽马(固定值,例如C=10,gamma=0.1),还是进行超参数转换并为每个系统选择最佳的C和伽马值?
发布于 2016-05-12 17:13:05
正如#sascha所写的,不同的分类器可以使用不同的参数进行更好的训练。
但这没问题。对于不同的任务,你也有不同的需求。例如,如果您发明了一种新的分类算法,并希望将其与特定任务的最新技术进行比较,则通常已经有针对您正在尝试学习的特定任务的优化代码,因此您只需对自己的算法进行少量改进。另一方面,如果你有一个新的任务,只是想尝试不同的分类器,你将需要同时使用它们,直到达到一定的水平。如果算法之间有很大的不同,请选择给你提供更高性能的算法,并且你只能使用它。如果它们都给出了相似的结果,那么您有两个选择:
https://stackoverflow.com/questions/37171445
复制相似问题