LIBSVM参数选择

Question

我正在开发一个系统，它可以优化支持向量机(LIBSVM工具箱)的参数和最佳特性(输入)。我的优化技术是和谐搜索或遗传算法。在将数据插入到系统( Maxmin或美白)之前，我已将其规范化，因此您知道，我必须设置

-g gamma : set gamma in kernel function 
-c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR

我有一个金融数据库的二进制分类问题。此外，有时我还使用“PCA”等降维技术和其他技术。

那么，您建议的伽马参数和成本参数搜索间隔是多少？

第二个问题:你认为我应该用优化技术来优化LIBSVM的其他参数吗？

谢谢。

PS.我的核心函数是"RBF“

Answer 1

那么，您建议的伽马参数和成本参数搜索间隔是多少？

基本上，你应该做一个启发式的网格搜索，通过对网格单元的大小进行一些有知识的猜测，希望找到一个好的最佳选择。查看LIBSVM包中的Grid.py文件。它将为您提供有关这些值的一些提示。有更先进的技术来做到这一点，但这是第一件值得尝试的事情。

第二个问题:你认为我应该用优化技术来优化LIBSVM的其他参数吗？

这取决于您选择的内核。请注意，γ并不会影响所有内核类型(例如，线性内核类型)。也许还有其他的东西你可以尝试调整，但从这两件事开始，看看它是如何进行的。

Answer 2

我建议你看一下林利布线性的技巧和技巧博士提供的教程。除非您有很强的理由使用特定的内核，尝试使用所有可用的内核。同样，我也会尝试使用非规范化/非规模化的数据进行培训/测试。记住，这些(缩放)是启发式的，没有人知道您的需求的参数集是什么。探索一切。