libsvm - 如何使用 grid.py 进行参数选择？

Question

我想为 C-SVM 分类选择参数 c 和 gamma 使用
带有 libsvm\tools\grid.py 的 RBF(径向基函数)内核，但我不知道这怎么可能？我安装了 libsvm 和 gnuplot 以及 python 并在 python 中运行了 grid.py，但它有错误并且没有显示结果。

Answer 1

%grid of parameters
folds = 5; 
[C,gamma] = meshgrid(-5:2:15, -15:2:3); 
%# grid search, and cross-validation 
cv_acc = zeros(numel(C),1); 
d= 2;
for i=1:numel(C)   
    cv_acc(i) = svmtrain(TrainLabel,TrainVec, ...          
        sprintf('-c %f -g %f -v %d -t %d', 2^C(i), 2^gamma(i), folds,d));
end
%# pair (C,gamma) with best accuracy
[~,idx] = max(cv_acc); 
%# contour plot of paramter selection 
contour(C, gamma, reshape(cv_acc,size(C))), colorbar
hold on;
text(C(idx), gamma(idx), sprintf('Acc = %.2f %%',cv_acc(idx)), ...  
    'HorizontalAlign','left', 'VerticalAlign','top') 
hold off 
xlabel('log_2(C)'), ylabel('log_2(\gamma)'), title('Cross-Validation Accuracy') 
%# now you can train you model using best_C and best_gamma
best_C = 2^C(idx); best_gamma = 2^gamma(idx); %# ...

这也执行网格搜索......但是使用matlab......不使用grid.py......也许这有帮助......