sklearnでsvmのパラメータを選択するには

Question

私は分類問題のためにsklearnからSVMを使用しようとしています。私は50K以上の行とバイナリ出力を持つ非常に疎なデータセットを持っています。
問題例えばカーネルでは

、私は効率的なパラメータ、主にカーネルを選択する方法を非常によく知っていないガンマANC℃であり、私はすべてのカーネルを試すことになって、ちょうど1つを保持していますカーネルを選択する前に私たちが最初に見ることができる私たちのデータに関連するものがありますか？
Cとガンマは同じです。

ありがとうございます！

Answer 1

はい、これは主に実験の問題です。特に、分離度、線形性、密度、接続性など、分類アルゴリズムに影響を及ぼすすべての特性がデータセットについてごくわずかです。

まず、線形およびガウスのカーネルを試してみてください。線形がうまく動作せず、ガウス関数がうまくいかない場合は、他のカーネルを試してみてください。

最高の1または2のカーネルを見つけたら、、次にをコストとガンマパラメータで再生します。ガンマは「緩やかな」パラメータです。ギャップの幅、パーティション機能の単純さなど、他の利点のトレードオフとして、生の分類エラーの特定の割合を作るためのカーネルの許可を与えます。

I havenまだコストを変更することよりも些細な利点を得ているアプリケーションを持っていました。