r - 参数 C. epsilon 作为 R 中 kernlab 的 ksvm 中的向量

Question

我正在尝试使用 R 中 kernlab 包的 ksvm 函数进行 epsilon-SVM 回归。我想将参数 C(正则化常数)和 epsilon(不敏感)作为向量(向量长度 = 训练数据长度)。但我不知道如何做到这一点。请建议一些方法。

Answer 1

为什么你认为你能做到？根据documentation对于 ksvm ，您只能对类别进行加权，而不能对特定样本进行加权。例如，可以在 sklearn 中访问此类修改。 python 库(作为样本的权重)。

要人为地实现每个样本的 C 权重，您可以对数据进行过采样。它会非常低效(特别是当你的 C 值差异很大时)，但它可以应用于几乎任何 SVM 库。