machine-learning - LibSVM 中的哪个参数是松弛变量？

Question

我对 SVM 中的命名有点困惑。我正在使用这个库LibSVM 。有很多参数可以设置。有谁知道其中哪个是松弛变量？谢谢

Answer 1

“松弛变量”在 c-svm 中是 C，在 nu-SVM 中是 nu。它们在各自的公式中具有相同的功能——控制宽裕度和分类器误差之间的权衡。对于 C，通常按数量级进行测试，例如 10^-4、10^-3、10^-2、... 到 1、5 左右。 nu 是 0 到 1 之间的数字，一般为 0.1 到 0.8，它控制支持向量与数据点的比率。当 nu 为 0.1 时，余量较小，支持向量的数量将占数据点数量的一小部分。当nu为0.8时，margin非常大，大部分点都会落入margin中。

其他需要考虑的事情是您选择的内核(线性、RBF、Sigmoid、多项式)以及所选内核的参数。通常，必须进行大量实验才能找到最佳的参数组合。但是，请小心不要过度拟合您的数据集。

Burges 写了一篇很棒的教程:A Tutorial on Support Vector Machines for PatternRecognition

但如果您主要只是想知道如何使用它而不是它的工作原理，请阅读 "A Practical Guide to Support Vector Classication" by Chih-Wei Hsu, Chih-Chung Chang, and Chih-Jen Lin (libsvm 的作者)