SVM案例参数优化
在案例12中我们采用SVM来做分类预测,达到了较满意的结果,但用SVM做分类预测时需要调节相关的参数(主要是惩罚参数c和核函数参数g)才能得到比较理想的预测分类准确率,那么SVM的参数该如何选取呢?有没有最佳的参数呢?采用cross validation的思想可以在某种意义下得到最优的参数,可以有效的避免过学习和欠学习状态的发生,最终对于测试集合的预测得到较理想的准确率.采用实例验证表明,用cross validation选取出的参数来训练SVM得到的模型比随机的选取参数训练SVM得到的模型在最后分类预测上更有效.
文件下载
评论信息
其他资源
- 百度街景下载器.zip
- 冒险岛登陆器源码
- ANC算法的matlab仿真
- 北邮-RS隐写分析
- 唯顿剪辑（智能一键采集并剪辑视频软件）
- EAS License 文件
- ThinkPad笔记本刷BIOS免电池补丁
- iris(鸢尾花卉)数据集-二分类
- HTML5 手机端APP简单demo
- C#与PLC通过ModbusTCP协议通讯
- opencv_python-4.5.1.48-cp38-cp38-win_amd64.whl
- groupdate：对时态数据进行分组的最简单方法-源码
- K10Stat091 (1).zip.9quoixb.partial
- Windows 7 SP1 6.1.7601.16537 泄漏版下载
- 计算机源代码编写规范
- ARIMA 预测软件
- 天猫淘宝秒杀抢购插件源码
- Android背诵单词软件源代码
- 长沙学院往届计算机网络考试试卷B(参考)
- 滚球控制系统代码
- Mil9.0的下载.zip
- python+keras+deeplearning
- UG装配体有限元分析全过程.part3
- TI DM642 开发板整套资源，分3个压缩文件，第二个
- MX Component V4操作手册 中文版本
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明