2
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
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
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。
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