如何确定SVM调优中超参数空间的取值范围？(MATLAB)
如何确定SVM调优中超参数空间的取值范围？(MATLAB)
提问于 2018-07-09 18:07:11
我正在调优支持向量机，使用for循环在超参数的空间范围内搜索。学习到的svm模型包含以下字段
SVMModel: [1×1 ClassificationSVM]
C: 2
FeaturesIdx: [4 6 8]
Score: 0.0142Question1)字段“分数”的含义及其效用是什么？
Question2)，我正在调优BoxConstraint，C值。让我们用变量featsize来表示特性的数量。变量gridC将包含搜索空间，该空间可以从任何值(例如2^-5、2^-3、到2^15等)开始，因此，gridC = 2.^(-5:2:15)。我不明白是否有办法选择范围？
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-07-10 05:57:49
1. score在这里中有记载，其中说：
分类得分支持向量机分类观测x的分类分数是从x到决策边界的符号距离(从-∞到+∞)。一个类的正分数表示x被预测在该类中。负数表示相反。
在两个类的情况下，，如果有6个观测，并且预测函数给出了一些分数值，称为TestScore，那么我们就可以确定哪个类做了具体的观察：
TestScore=[-0.4497 0.4497
-0.2602 0.2602;
-0.0746 0.0746;
0.1070 -0.1070;
0.2841 -0.2841;
0.4566 -0.4566;];
[~,Classes] = max(TestScore,[],2);在两类分类中，我们也可以使用find(TestScore > 0)，很明显，前三个观测属于第二类，第4至第6个观测属于第一类。
在多类情况下，可能有几个分数> 0，但代码max(scores,[],2)仍在验证。例如，我们可以使用下面的代码(来自这里，一个名为“使用二进制支持向量机查找多类边界”的示例)来确定预测Samples的类。
for j = 1:numel(classes);
[~,score] = predict(SVMModels{j},Samples);
Scores(:,j) = score(:,2); % Second column contains positive-class scores
end
[~,maxScore] = max(Scores,[],2);然后，maxScore将表示每个样本的预测类。
2. BoxConstraint在支持向量机模型中表示C，因此我们可以在不同的超参数中训练SVMs，并通过以下方式选择最佳参数：
gridC = 2.^(-5:2:15);
for ii=1:length(gridC)
SVModel = fitcsvm(data3,theclass,'KernelFunction','rbf',...
'BoxConstraint',gridC(ii),'ClassNames',[-1,1]);
%if (%some constraints were meet)
% %save the current SVModel
%end
end注意:另一种实现方法是使用利布斯文，一个快速易用的支持向量机工具箱，它具有MATLAB的接口。
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/51251595
复制相关文章
相似问题
腾讯云开发者
