训练支持向量机分类器时Wierd behaviors

Question

我正在寻找训练我的支持向量机分类器的C（成本参数）的最佳值。这里是我的代码：

clear all; close all; clc 

% Load training features and labels 
[y, x] = libsvmread('training_data.train'); %the training dataset is named training_data.train 


cost=[2^-7,2^-5,2^-3,2^-1,2^1,2^3,2^5,2^7,2^9,2^11,2^13,2^15]; 
accuracy=zeros(1,length(cost)); %This array will store the accuracy values corresponding to each element in the cost array 

for i = 1:length(cost) 
    opt = sprintf('-c %i -v 3',cost(i)); 
    accuracy(i)=svmtrain(y,x,opt); 
end 

accuracy 

我正在使用LIBSVM库。当运行该程序，精度阵列被填充有很奇怪的值： 这里是输出：

列1到8：

67.335 93.696 91.404 92.550 93.696 93.553 93.553 93.553

列9通过12：

93.553 93.553 93.553 93.553

这意味着我得到2 ^最高的交叉验证准确性-5。我应该获得最高C值的最高精度吗？ （据我了解，这是错误分类的惩罚因素）。这种行为是否期望它？ （我正在使用UCI ML数据库构建乳腺癌鉴定分类器）。

Answer 1

我应该在C的最高值上获得最高精度吗？ （据我了解，这是错误分类的惩罚因素）。

没有，也不能保证，因为SVM成本不准确度为基础的，它使用一个特定的替代功能，只能大致的行为像准确性，但你可以期待许多随机波动。一般来说，你应该期望高C值，但不一定是最高值。

这种行为应该是它的吗？ （我正在使用UCI ML数据库构建乳腺癌鉴定分类器）。

是的，这是一个可能的结果。