2016-05-25 20 views
0

Ich begann meine Arbeit mit libsvm vor einer Woche.
Ich kann keine Informationen über Parameter zu libsvm finden.
Ich würde gerne verstehen, wie ich diese Parameter auswählen sollte.
Kann mir jemand in einfacher Sprache sagen, was jeder Parameter bedeutet?Auswahlparameter in libsvm

-d degree 
-g gamma 
-r coef0 
-c cost 
-n nu 
-p epsilon 
-m cachesize 
-e epsilon 
-h shrinking 
-b probability_estimates 
-wi weight 

In diesem Fall (vector), welche Parameterwerte werden die besten sein?

+0

Für eine vollständige Antwort benötigen wir eine vollständige Problembeschreibung. Da dies keine Tutorial-Site ist, können wir die Parameter nicht vollständig beschreiben. Wir können uns nicht auf Ihre tatsächlichen Bedürfnisse konzentrieren, da Sie nicht beschrieben haben, was Sie von Ihrem Modell benötigen. Ist das ein Ein-Klassen-Modell oder ein Mehrklassen-Modell? Welche Genauigkeit erwarten Sie? Was ist wichtig für die Reaktionsgeschwindigkeit: Training oder Klassifizierung? Warum hast du dich für SVM entschieden? Es gibt mehr Fragen zu dieser Metasorte, aber das sollte Ihnen eine Vorstellung davon geben, was hinter dem Modelldesign steckt. – Prune

+0

Problem ist, die besten Parameter für die oben genannte Datei zu finden. Das wichtigste ist das Klassifizierungsergebnis. Warum SVM? Ich denke an dieses Problem sollte das beste sein. (Erkennungszeichen vom Kfz-Kennzeichen) – KrisKK

Antwort

1

Die Parameter sind auf der main libsvm page beschrieben. Es gibt Links zu mehreren Artikeln, die die mathematische Verwendung der griechischen Buchstabenvariablen zeigen, einschließlich A Practical Guide to Support Vector Classification.

Im Allgemeinen belassen Sie die Parameterwerte auf ihren Standardwerten. Dann pushen Sie sie nacheinander, um zu sehen, wie sich die Änderungen auf Ihre gewünschten Eigenschaften auswirken.

mit einigen der wichtigsten Parameter zu helfen:

  • Grad ... Dies ist der Grad (höchste Exponent) eines Polynom Kernfunktion. Dies ist eine Transformationsfunktion, die auf Ihre Datenpunkte angewendet wird, um eine genauere lineare Aufteilung zwischen den Klassen zu erreichen. Ein hoher Grad wird zu Überanpassung führen; ein niedriger Grad verliert Genauigkeit.
  • gamma & r ... Führende Koeffizienten und konstante (Bias) Parameter des Kernels.
  • -e epsilon ... Konvergenztoleranz; Ein kleinerer Wert benötigt mehr Iterationen, um zu konvergieren.

Insgesamt bietet das Papier eine gute Sequenz von Vorschlägen zur Entwicklung eines SVM-Modells. Ich schlage vor, dass Sie sich durch diese Schritte arbeiten und erneut posten, wenn Sie ein spezifisches Programmierproblem mit dem haben, was Sie tun.

Was die Auswahl der Parameter für Ihren Datensatz angeht, können wir Ihnen keinen guten Startset geben, ohne die Daten für "Form" und "Span" zu analysieren und zu wissen, welche Ergebnisse Sie benötigen. Kurz gesagt, wir müssen mehr von Ihnen wissen, und dann Schritt Sie müssen als Modellentwickler tun.

Bringen diese Vorschläge Sie in die richtige Richtung?

+0

Vielen Dank es ist unterschiedlich hilfreich. Ich dachte, ich werde einfacher sein. Ein Weg wird dieses Dokument lesen und Parameter an meinem Beispiel testen. Danke vielmals. – KrisKK

+0

Ich bin froh zu wissen, dass dies geholfen hat. Posten Sie erneut, wenn Sie einen anderen Problempunkt erreichen. Ich habe vor einem Jahr viel davon gemacht. – Prune