如何为SVM回归选择最佳参数？

Question

我知道包tune()中的e1071对于选择SVM回归的最佳参数很有用。但我只是不知道如何为{{1}等参数选择合适的范围}，gamma和cost？

epsilon

以上参数只是随机选择的。任何建议，将不胜感激。 非常感谢!!

确定。这是x<-tune.svm(rg~.,data=train,kernel="radial", gamma = c(0.01,0.03,0.1,0.3,1.3,10,30),cost=2^(2:9),epsilon =c(0.01,0.03,0.1,0.3,1.3,10,30) ) 后列车数据的结果，x轴是拟合数据，y轴是实际数据。有没有关于如何提高SVM性能的想法？

和列车集中的数据： tune.svm

Answer 1

大多数人使用的正是你正在使用的，这是一个增长时间为3的范围。在某些情况下，我尝试过1.5的倍数，即（0.01,0.015,0.03 ......）。我的表现有点提高但不是太多。这一切都取决于你的训练持续多长时间。

我会尝试至少一个较小的数字，如0.0001和最大1000.也许1000是很多，但我总是尝试比我认为的最大数量级，我会说它＆＃ 39; s 100。