Question

我正在尝试使用UCI数据集构建分类器来预测乳腺癌。我正在使用支持向量机。尽管我最真诚地努力提高分类器的准确性，但我不能超过97.062％。我尝试过以下方法：

1. Finding the most optimal C and gamma using grid search.
2. Finding the most discriminative feature using F-score.

有人可以建议我提高准确性的技巧吗？我的目标是至少99％。

1.Data are already normalized to the ranger of [0,10]. Will normalizing it to [0,1]  help?

2. Some other method to find the best C and gamma?

Answer 1

对于SVM，重要的是对所有特征进行相同的缩放，通常通过缩放每个（列）特征中的值来完成，使得均值为0，方差为1.另一种方法是缩放它，使得min和max例如是0和1.但是，[0,1]和[0,10]之间没有任何差别。两者都会表现出相同的表现。

如果您坚持使用SVM进行分类，可能导致改进的另一种方法是集合多个SVM。如果您使用的是Python，可以尝试BaggingClassifier中的sklearn.ensemble。

另请注意，您无法从一组真实的训练数据中获得任何表现。我认为97％是一个非常好的表现。如果高于此值，可能会过度拟合数据。

Answer 2

在阅读您的问题以及您向作者提出的论据声称达到acc = 99.51％时，我想到了一些想法。我的第一个想法是过大。我可能是错的，因为它可能取决于数据集-但是第一个想法将是过拟合。现在是我的问题；

1-作者在其文章中是否已说明数据集是否已分为训练和测试集？ 2-是否通过培训或测试组达到了acc = 99.51％？

使用训练集，当模型过度拟合时，您可以达到acc = 99.51％。通常，在这种情况下，SVM分类器在未知数据集上的性能很差。