【发布时间】：2012-03-27 08:56:48
【问题描述】：
只是对 scikits 学习 SVM 课程中的两个选项感到好奇。 Scale_C 和收缩有什么作用？文档中没有太多内容。 Scale C 似乎能够针对训练数据适当地缩放 C 参数。
谢谢
【问题讨论】：
标签： python machine-learning svm scikits scikit-learn
【发布时间】：2012-03-27 08:56:48
【问题描述】：
scale_C=True（在开发版本中已弃用并计划在 0.12 中删除）导致正则化参数 C 在传递给底层 LibSVM 实现之前除以样本数。
shrinking 启用或禁用由Joachims 1999 描述的“缩小启发式”，这应该可以加快 SVM 训练。
【讨论】：
-
嗯，好的，谢谢。 C 除以样本数对 SVM 训练有何帮助？
-
@tomas：将其设置为
True使得正则化与样本数量无关。当设置为False时，当样本数加倍等时，你必须加倍。我建议你总是设置为True；我相信这将是未来的行为。 -
在任何情况下，C 的值都应该通过开发集上的交叉验证网格搜索来选择。两者本质上都不比另一个更好。您只需要知道 C 不再按 scikit-learn 开发版本中的样本数量进行缩放，以防您对它的绝对值以及它在目标函数中的使用方式（例如，用于出版科学期刊）感兴趣。