python scikits学习 - 支持向量机选项

只需对scikits中的两个选项感兴趣，就可以学习SVM类。 Scale_C和缩小是做什么的？文档中没有太多内容。比例C似乎能够适当地为训练数据缩放C参数。python scikits学习 - 支持向量机选项

由于

2012-03-09 tomas

scale_C=True（弃用dev的版本和计划在0.12去除）导致正则化参数C由样本的数目被划分之前就拖运到底层LIBSVM实现。

shrinking启用或禁用由Joachims 1999描述的“缩小启发式”，这应该加速SVM的训练。

2012-03-09 22:58:32

啊好吧谢谢。如何通过样本数量划分C有助于SVM培训？ – tomas 2012-03-09 23:04:23

@tomas：将其设置为“True”使正则化与样本数无关。设置为“False”时，如果样本数加倍，则必须加倍。我建议您始终将其设置为“True”。我相信这将是未来的行为。 – 2012-03-09 23:13:26

在任何情况下，C的值都应通过开发集上的交叉验证网格搜索来选择。这两者本质上都不如其他。您只需要知道，如果您对其绝对值感兴趣以及如何在目标函数中使用它（例如发布科学期刊），则sc不会再通过scikit-learn的开发版本中的样本数缩放C。 – ogrisel 2012-03-10 06:30:00

回答