Question

为了学习支持向量机，我们必须确定各种参数。

例如，有成本和伽玛等参数。

我正在尝试使用＆＃34; GA＆＃34;来确定SVM的sigma和gamma参数。包和＆＃34; kernlab＆＃34;包的R.

我使用准确度作为遗传算法的评估函数。

我创建了以下代码，然后运行它。

library(GA) 
library(kernlab) 
data(spam) 
index <- sample(1:dim(spam)[1]) 
spamtrain <- spam[index[1:floor(dim(spam)[1]/2)], ] 
spamtest <- spam[index[((ceiling(dim(spam)[1]/2)) + 1):dim(spam)[1]], ] 

f <- function(x) 
{ 
x1 <- x[1] 
x2 <- x[2] 
filter <- ksvm(type~.,data=spamtrain,kernel="rbfdot",kpar=list(sigma=x1),C=x2,cross=3) 
mailtype <- predict(filter,spamtest[,-58]) 
t <- table(mailtype,spamtest[,58]) 
return(t[1,1]+t[2,2])/(t[1,1]+t[1,2]+t[2,1]+t[2,2]) 
} 

GA <- ga(type = "real-valued", fitness = f, min = c(-5.12, -5.12), max = c(5.12, 5.12), popSize = 50, maxiter = 2) 
summary(GA) 
plot(GA)

但是，当我调用GA功能时，会返回以下错误。

＆＃34;未找到支持向量。您可能想要更改参数＆＃34;

我无法理解为什么代码不好。

Answer 1

将GA用于SVM参数不是一个好主意 - 只需进行常规网格搜索（两个for循环，一个用于C和一个用于gamma值）就足够了。

在Rs库e1071 (which also provides SVMs) there is a method tune.svm`中，使用网格搜索查找最佳参数。

示例

data(iris) obj <- tune.svm(Species~., data = iris, sampling = "fix", gamma = 2^c(-8,-4,0,4), cost = 2^c(-8,-4,-2,0)) plot(obj, transform.x = log2, transform.y = log2) plot(obj, type = "perspective", theta = 120, phi = 45)

这也显示了一件重要的事情 - 你应该以几何方式寻找一个好的C和gamma值，例如。 2^x中的x {-10,-8,-6,-6,-4,-2,0,2,4}。{/ p>
GA是一种元优化算法，参数空间很大，参数和优化函数之间没有简单的关联。它需要调整更多的参数然后SVM（世代数，人口规模，变异概率，交叉概率，变异算子，交叉算子......）所以这里完全没用。

当然 - 正如之前在评论中所述 - C和Gamma 必须严格为正。

有关使用e1071的详细信息，请查看CRAN文档：http://cran.r-project.org/web/packages/e1071/e1071.pdf

如何利用R的遗传算法优化支持向量机的参数

1 个答案: