r - 从 kernlab 调整 ksvm

Question

我想使用 R 中的 SVM 实现来进行一些回归。我已经尝试使用 e1071 中的 svm 但我受到那里的内核功能的限制。因此，我从 kernlab 转向 ksvm。但我有一个主要缺点，就是 kernlab 中没有提供调优功能(例如 e1071 中的 tune.svm)。有人可以解释一下如何调整不同内核的参数吗？

PS。我想特别使用 rbfdot 内核。因此，如果至少有人可以帮助我了解如何调整 sigma，我将非常感激。

PPS。我完全知道 kpar 的“自动” 值可以用于“计算一个好的西格玛”。但我需要一些更具体、更符合 tune.svm 风格的东西。

Answer 1

要么您编写自己的包装器(说实话，这并不难)，要么您可以尝试已经经过验证的实现解决方案，例如 mlr 和 caret。

<小时/>

mlr 教程有 an example about it .

ps = makeParamSet(
  makeDiscreteParam("C", values = 2^(-2:2)),
  makeDiscreteParam("sigma", values = 2^(-2:2))
)

ctrl = makeTuneControlGrid()

rdesc = makeResampleDesc("CV", iters = 3L)

res = tuneParams("classif.ksvm", task = iris.task, resampling = rdesc, par.set = ps, control = ctrl)

这将执行三重交叉验证，以从网格中选择参数并评估虹膜数据集的准确性。当然，您可以更改重采样策略(留一法、蒙特卡罗 CV、CV、重复 CV、引导验证和保留都已实现)、搜索策略(网格搜索、随机搜索、广义模拟退火和迭代 F -race 均受支持)和评估指标。