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
- 使用Excel做自动考勤表.xls
- 永磁同步电机的矢量控制中双闭环PI参数计算
- PDFCreator 3091 畅流
- 用来提取信号包络的matlab函数
- mt7621 编程datasheet
- 企业员工信息管理系统
- QtSoap解决方案
- 实时UML：开发嵌入式系统高效对象
- 相位激光测距系统设计
- 运行时缺少MSVCP60D.DLL？
- GPS模拟仿真GPS卫星定位模拟仿真
- Android游戏编程之从零开始_源码.rar
- 电影应用-源码
- 图书大数spark java echarts图书大数据爬虫 mysql 包调试文档web 报告据.rar
- 网络-源码
- 基于多波长激光器的带通微波光子滤波器设计
- dockta：:spouting_whale:研究人员的Docker映像生成器-源码
- 备忘录：React浏览器记忆游戏-源码
- ueditor.zip
- 吉林大学javaee上机所需软件及文档说明
- 5G应用立场白皮书（华为）.pdf
- 计算机网络操作系统——Windows Server 2003管理与配置
- word2vec中的数学原理详解_peghoty
- 自己写的Thinkphp小型商城的源码包含各个商城的所有模块
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