RBF内核的最佳sigma？答案

【问题标题】：Optimal sigma for the RBF kernel?RBF内核的最佳sigma？
【发布时间】：2018-05-04 21:59:24
【问题描述】：

如何为 RBF 内核选择最佳 sigma？

我正在使用单个类的分类器，以什么为基础，采用什么参数

【问题讨论】：

标签： svm

【解决方案1】：

取决于您使用的是哪种机器学习平台。如果您使用的是 Weka，则可以使用“网格搜索”选项来找出最佳分类参数。（即对于线性内核，它为您提供成本函数，对于 RBF-SVM，它提供 sigma/gamma 和 C 等）

http://scikit-learn.org/stable/auto_examples/svm/plot_rbf_parameters.html

如果您使用的是 Python，我通常会以小步数迭代 sigma 值，并在每一步上提高分类精度。然后我选择导致最佳准确性的 sigma。另请注意，如果您针对给定的分类任务优化 SVM 参数，则存在过拟合的风险。但是，迭代步骤更改应该让您更好地了解过度拟合发生的位置（如果有的话！）。

祝你好运！

【讨论】：

【解决方案2】：

我建议你使用某种Grid-Search。这是一种同时评估两个参数的性能的技术。对于您的 SVM，有 sigma 和 C。因此，您对参数空间执行详尽搜索，其中每个轴代表一个参数，其中一个点是两个参数值的元组(C_i, sigma_i)。

因此，要执行它，您只需为C：{C_1,..., C_n} 和sigma：{sigma_1,..., sigma_n} 选择一组，然后针对两组(C_i, sigma_i) 中的每对参数进行训练和测试。

这实际上需要很长时间，所以我建议您尝试类似的方法：

LibSVM 例如提供K-Fold Cross-Validation，因此请绘制一组sigma 值，定义一个固定的K（可能是5 到10）并运行交叉验证以获得C 的良好估计值。记录C 参数和准确度分数。将此应用于sigma 值集的所有元素后，选择在每个交叉验证过程中实现最高准确度的参数对。

注意： 我建议你不要使用 SVM 来解决一类问题。即使有正式的定义，基本的 SVM 算法也需要两个类来确定最佳边界。因此，我建议您创建一个catch-all 类并将您的一类问题转换为二类问题。

【讨论】：

您只需使用 google 即可回答所有问题。请开始学习该主题。
我不知道如何为oneClass制定数据，我对一对一和一对一感到困惑，请帮助我！
我告诉过你：不要使用一类 svm。你在不需要的情况下使用它。您尝试解决 XOR，这是一个二进制问题，因此可以使用基本的 svm。一对多仅适用于多类问题（超过两个类）。您只需使用 google 即可找到此类答案。
in github.com/techfort/classify-text/blob/master/node_modules/… 用 C_SVC 多类分类器解决 xor 问题
我编辑我的问题*.com/questions/50421175/training-and-test-with-svm