การใช้พารามิเตอร์ Gamma พร้อมเครื่องเวกเตอร์สนับสนุน


9

เมื่อใช้libsvmพารามิเตอร์γเป็นพารามิเตอร์สำหรับฟังก์ชั่นเคอร์เนล ค่าเริ่มต้นของมันคือการตั้งค่าเป็น

γ=1number of features.

มีคำแนะนำเชิงทฤษฎีสำหรับการตั้งค่าพารามิเตอร์นี้นอกเหนือจากวิธีการที่มีอยู่เช่นการค้นหาแบบตารางหรือไม่?

คำตอบ:


8

ฉันจะแนะนำคำแนะนำเชิงทฤษฎีต่อไปนี้ เมื่อคุณใช้เคอร์เนล Gaussian RBF พื้นผิวการแยกของคุณจะขึ้นอยู่กับการรวมกันของพื้นผิวรูประฆังซึ่งมีศูนย์กลางที่แต่ละเวกเตอร์สนับสนุน ความกว้างของพื้นผิวรูประฆังแต่ละอันจะแปรผกผันกับγ. หากความกว้างนี้มีขนาดเล็กกว่าระยะทางคู่ขั้นต่ำสำหรับข้อมูลของคุณแสดงว่าคุณมีข้อมูลมากเกินไป หากความกว้างนี้มีขนาดใหญ่กว่าระยะทางคู่ที่ฉลาดที่สุดสำหรับข้อมูลของคุณคะแนนทั้งหมดของคุณจะอยู่ในระดับเดียวและคุณก็ไม่มีประสิทธิภาพที่ดีเช่นกัน ดังนั้นความกว้างที่เหมาะสมควรอยู่ระหว่างสุดขั้วทั้งสองนี้


pair-wise distance for your data= ระยะทางแบบยุคลิดแบบง่าย ๆ หลังจากการปรับสเกล?
ihadanny

5

ไม่มันขึ้นอยู่กับข้อมูลเป็นหลัก การค้นหากริด (พารามิเตอร์ไฮเปอร์เปลี่ยนรูปแบบล็อก) เป็นวิธีการที่ดีมากถ้าคุณมีการปรับแต่งพารามิเตอร์ไฮเปอร์จำนวนเล็กน้อย แต่อย่าทำให้การแก้ปัญหากริดดีเกินไปหรือคุณมีแนวโน้มที่จะปรับจูนมากเกินไป เกณฑ์ สำหรับปัญหาเกี่ยวกับพารามิเตอร์เคอร์เนลจำนวนมากฉันพบว่าวิธี Nelder-Mead simplex ทำงานได้ดี


ขอขอบคุณสำหรับคำตอบ คุณสามารถอธิบายเพิ่มเติมเกี่ยวกับ "การพึ่งพาข้อมูล" ได้หรือไม่? ความสัมพันธ์ระหว่าง r และชุดข้อมูลคืออะไร หรือกล่าวอีกนัยหนึ่งเมื่อกำหนดชุดข้อมูลจะมีวิธีกำหนด r ตามข้อมูลเหล่านี้หรือไม่
user3269

1
โดยพื้นฐานแล้ว "การพึ่งพาข้อมูล" หมายถึงการตั้งค่าที่ดีที่สุดจะแตกต่างกันไปตามโครงสร้างเฉพาะของข้อมูลและโดยทั่วไปจะไม่มีวิธีที่ดีกว่าในการตั้งค่ามากกว่าการลดข้อผิดพลาดการตรวจสอบข้าม วิธีการที่ใช้เคอร์เนลสามารถทำอะไรได้บ้างกับการวิเคราะห์เชิงทฤษฎีเกี่ยวกับการเรียนรู้เคอร์เนล แต่น่าเสียดายว่านี่ยากในเชิงคณิตศาสตร์
Dikran Marsupial
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.