【发布时间】：2023-03-07 14:52:01
【问题描述】：
我对 SVM 中的命名有点困惑。我正在使用这个库LibSVM。有很多参数可以设置。有谁知道其中哪一个是松弛变量？ 谢谢
【问题讨论】：
标签： machine-learning classification libsvm svm
【发布时间】：2023-03-07 14:52:01
【问题描述】：
首先确定您打算使用哪种类型的 SVM：C-SVC、nu-SVC、epsilon-SVR 或 nu-SVR。在我看来，你大部分时间都需要改变 C 和 gamma ......其余的通常是固定的......
【讨论】：
-
查看问题链接中提供的选项...还有一个示例...例如 -s 0 -c 10 -t 1 -g 1 -r 1 -d 3
-
除此之外，您还应该阅读提供的 README 文件夹...它非常详尽且写得很好...
“松弛变量”是 c-svm 中的 C 和 nu-SVM 中的 nu。它们在各自的公式中都具有相同的功能——控制宽裕度和分类器误差之间的权衡。在 C 的情况下，通常按数量级对其进行测试，例如 10^-4、10^-3、10^-2、... 到 1、5 左右。 nu 是一个介于 0 和 1 之间的数字，通常从 0.1 到 0.8，它控制支持向量与数据点的比率。当 nu 为 .1 时，margin 很小，支持向量的数量将是数据点数量的一小部分。当nu为0.8时，margin非常大，大部分点会落在margin中。
要考虑的其他事项是您选择的内核（线性、RBF、sigmoid、多项式）和所选内核的参数。通常，必须进行大量试验才能找到最佳的参数组合。但是，请注意不要过度拟合您的数据集。
Burges 写了一个很棒的教程：A Tutorial on Support Vector Machines for Pattern Recognition
但如果您主要只是想知道如何使用它而不是想知道它是如何工作的，请阅读"A Practical Guide to Support Vector Classication" by Chih-Wei Hsu, Chih-Chung Chang, and Chih-Jen Lin（libsvm 的作者）
【讨论】：