问参数C. epsilon作为R中kernlab的ksvm中的向量
EN

Stack Overflow用户

提问于 2013-04-11 20:02:13

回答 1查看 527关注 0票数 2

我正在尝试使用R中的kernlab包的ksvm函数来进行epsilon-SVM回归。我想把参数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)。但是我不知道该怎么做。请给我一些建议。

发布于 2013-09-01 03:37:17

为什么你认为你能做到呢？根据ksvm的documentation，您只能对类进行加权，而不能对特定样本进行加权。这样的修改可以在例如sklearn python库中访问(作为样本的权重)。

要人为地实现按样本C-weights，您可以对数据进行过采样。这将是非常低效的(特别是如果你在C值上有很大的差异)，但它可以应用于几乎任何SVM库。

票数 2

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/15948280

复制

相似问题

问参数C. epsilon作为R中kernlab的ksvm中的向量EN