前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【免费线上实践】动手训练模型系列:SVM径向基核函数的参数选择

【免费线上实践】动手训练模型系列:SVM径向基核函数的参数选择

作者头像
SIGAI学习与实践平台
发布2018-12-19 11:13:30
1.1K0
发布2018-12-19 11:13:30
举报
文章被收录于专栏:SIGAI学习与实践平台
本模型实现对512*512像素图形样本中所有像素的2分类问题;红色或蓝色的样本点(每个样本包含坐标(x,y)值)坐落在对应颜色的区域内则样本正确分类,反之分类错误

(进入小程序 动手训模型)

模型训练小结:

径向基核函数(RBF)是最为常用的非线性分类核函数.而相比于线性核函数,工程项目中使用RBF需要花费更长时间进行调参。

当参数gamma非常小时,模型会过于拘束,不能捕捉到数据的复杂性,其表现会更近似于超平面分割的线性模型。

惩罚因子可以理解为在误分类样本和分界面简单性之间进行权衡。低的惩罚因子倾向于保持简单的线性分类状态而忽略错误分类,而高的惩罚因子则会刺激模型提高自身复杂度。

所以当任务的特征复杂度提高,RBF核函数的伽马值与惩罚因子均需调整提高。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-11-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 SIGAI 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
云开发 CloudBase
云开发(Tencent CloudBase,TCB)是腾讯云提供的云原生一体化开发环境和工具平台,为200万+企业和开发者提供高可用、自动弹性扩缩的后端云服务,可用于云端一体化开发多种端应用(小程序、公众号、Web 应用等),避免了应用开发过程中繁琐的服务器搭建及运维,开发者可以专注于业务逻辑的实现,开发门槛更低,效率更高。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档