svm 超参数

https://www.cnblogs.com/ChevisZhang/p/12932674.html

https://wenku.baidu.com/view/b8a2c73cfd4733687e21af45b307e87100f6f861.html?*wkts*=1718332423081\&bdQuery=svm的超参数

用交叉验证找到最好的参数 C 和γ 。使用 RBF 核时,要考虑两个参数 C 和γ 。因为参数的选择并没有一定的先验知识,必须做某种类型的模型选择(参数搜索)。目的是确定好的(C,γ)使得分类器能正确的预测未知数据(即测试集数 据),有较高的分类精确率。值得注意的是得到高的训练正确率即是分类器预测类标签已知的训练数据的正确率)不能保证在测试集上具有高的预测精度。因此,通 常采用交叉验证方法提高预测精度。k 折交叉验证(k-fold cross validation)

C为惩罚系数,C越大,对误差越重视,容易overfitting,C越小,对误差惩罚小,容忍大,越偏向soft margin

gamma大,会比较小,会使高斯分布又瘦又长,会存在overffting

相关推荐
小小毛桃几秒前
在分类任务中,显著性分析
人工智能·分类·数据挖掘
Black_Rock_br4 分钟前
智驭未来:NVIDIA自动驾驶安全白皮书与实验室创新实践深度解析
人工智能·安全·自动驾驶
蜡笔小电芯7 分钟前
【OpenCV】第二章——图像处理基础
图像处理·人工智能·opencv·计算机视觉
蜂耘8 分钟前
特斯拉宣布启动自动驾驶网约车测试,无人出租车服务进入最后准备阶段
人工智能·机器学习·自动驾驶
COOCC131 分钟前
探秘卷积神经网络:深度学习的图像识别利器
人工智能·深度学习·神经网络·目标检测·机器学习·cnn
欲掩33 分钟前
神经网络与深度学习第四章-前馈神经网络
人工智能·深度学习·神经网络
2301_7664695635 分钟前
从零开始构建一个 RAG + Flask 问答系统
人工智能
国科安芯37 分钟前
基于先进MCU的机器人运动控制系统设计:理论、实践与前沿技术
人工智能·单片机·机器人
yangmf20401 小时前
私有知识库 Coco AI 实战(二):摄入 MongoDB 数据
数据库·人工智能·mongodb·coco ai
果冻人工智能1 小时前
MCP 会成为下一个 HTTP 吗?看懂 AI 交流的下一个前线
人工智能