libsvm中γ和C的训练时间和超拟合
libsvm中γ和C的训练时间和超拟合
提问于 2010-02-16 19:40:37
我现在使用libsvm作为带有高斯核的支持向量机分类器。在其网站中，它提供了一个python脚本grid.py来选择最佳的C和gamma。
我只是想知道训练时间和过度适应/不适应与伽马和C的变化？
是否正确：
假设C从0到+无穷大，训练模型将由不适当拟合变为过度拟合，训练时间增加？
假设伽马从几乎0到+无穷大，训练后的模型会从不拟合变为过度拟合，训练时间也会增加？
在grid.py中，默认的搜索顺序是C从小到大，伽马从大到小。这是否是为了从小到大的训练时间和训练模式从不适当到过度？所以我们可以节省时间来选择C和γ的值吗？
谢谢和问候！
回答 1
Stack Overflow用户
发布于 2010-02-16 23:16:03
好的问题，我没有一个确定的答案，因为我自己想知道。但在回答问题时：
所以我们可以节省时间来选择C和γ的值吗？
..。我发现，对于libsvm，对于高度依赖于问题的C和γ，绝对有一个“正确”的值。因此，无论搜索伽马的顺序如何，都必须对许多候选伽马值进行测试。最终，我不知道围绕这个耗时的捷径(取决于您的问题)，但必要的参数搜索。
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/2275761
复制相关文章
相似问题
腾讯云开发者
