SVM分類器の精度向上のテクニック

Question

UCIデータセットを使用して乳がんを予測するための分類器を構築しようとしています。サポートベクターマシンを使用しています。クラシファイアの精度を向上させるための私の最も誠実な努力にもかかわらず、私は97.062％を超えることはできません。私は以下を試しました：

1. Finding the most optimal C and gamma using grid search. 
2. Finding the most discriminative feature using F-score. 

誰かが私に精度を向上させる手法を提案できますか？私は少なくとも99％を目指しています。 SVMは、それはすべての機能に同じスケーリングを持つことが重要だと、通常、それが各値をスケーリングを介して行われます（コラム）については

1.Data are already normalized to the ranger of [0,10]. Will normalizing it to [0,1] help? 

2. Some other method to find the best C and gamma? 

Answer 1

機能平均が0、分散が1もう一つの方法であるようにあります最小値と最大値が例えば0と1となるようにスケールする。ただし、[0,1]と[0,10]との間には差異はない。両方とも同じパフォーマンスを示します。

SVMを分類に使用することを強くお勧めする場合、改善の可能性がある別の方法は、複数のSVMをまとめることです。 Pythonを使用している場合は、BaggingClassifierをsklearn.ensembleから試してみてください。

また、実際のトレーニングデータのセットからパフォーマンスを得ることは期待できません。私は97％が非常に良いパフォーマンスだと思います。あなたがこれ以上に上がるとデータをオーバーフィットする可能性があります。