Question

我实际上是尝试使用e1071软件包使用svm进行一些分类工作。问题是在我使用svm函数进行调整之前，我得到了大约58％的准确度，但是当我尝试调整它时，精度大幅下降了10％到47％。我尝试使用不同的成本和伽玛值进行调整，但结果仍然相同。我的一个调优代码的例子我将在这里为你们提供：

没有调整的代码：

model<-svm(rating~.,data=train,kernel="radial")
summary(model)
Predictor<-predict(model,test)
confusionMatrix(table(Predictor,test$rating))

     summary(tune.svm(rating ~ ., data = train,
    +                  kernel = "radial", gamma = 10^(-1:1), cost = 10^(-1:1)))

    Parameter tuning of ‘svm’:

    - sampling method: 10-fold cross validation 

    - best parameters:
     gamma cost
       0.1  0.1

对于没有调整的代码，我的准确度大约为57％。这是我的调优代码：

> tuned<-svm(rating~.,data=train,kernel="radial",cross=10,gamma=0.1,cost=0.1)
> Prediction<-predict(tuned,test)
> confusionMatrix(table(Prediction,test$rating))
Confusion Matrix and Statistics


Predictor_1   1   2   3
          1   0   0   0
          2 257 467 257
          3   0   0   0

Overall Statistics

               Accuracy : 0.476

我也尝试过设置：

1. gamma = 10^c(-1:10), cost = 10^c(10,20,30,40,50,60,70,80,90,100)

2. gamma = 10^c(10,20,30,50,60,70,80,90,100), cost = 
   10^c(10,20,30,40,50,60,70,80,90,100)))

3. gamma = 10^c(-1:20), cost = 10^c(10,20,30,40,50,60,70,80,90,100)

结果仍然完全相同。为什么会这样？我应该做些什么呢？有什么建议？提前谢谢。

为什么我的SVM精度在调整后应该会增加？

0 个答案: