我对SVM中的namings感到有点困惑。我正在使用这个库LibSVM。可以设置很多参数。有谁知道这些是松弛变量？ THX
答案 0 :(得分：15)
“松弛变量”是c-svm中的C和nu-SVM中的nu。这些都在它们各自的公式中起到相同的作用 - 控制大范围和分类器误差之间的权衡。在C的情况下，人们通常以数量级测试它，例如10 ^ -4,10 ^ -3,10 ^ -2，......到1,5左右。 nu是0到1之间的数字，通常从.1到.8，它控制支持向量与数据点的比率。当nu是.1时，边距很小，支持向量的数量将是数据点数量的一小部分。当nu为.8时，余量非常大，大部分点将落在边际内。
要考虑的其他事项是您选择的内核（线性，RBF，sigmoid，多项式）和所选内核的参数。通常，人们必须进行大量的实验才能找到最佳的参数组合。但是，请注意过度拟合数据集。
Burges写了一篇很棒的教程：A Tutorial on Support Vector Machines for Pattern Recognition
但如果你大多只是想知道如何使用它而不是如何使用它，请阅读"A Practical Guide to Support Vector Classication" by Chih-Wei Hsu, Chih-Chung Chang, and Chih-Jen Lin（libsvm的作者）
答案 1 :(得分：1)
首先确定您打算使用哪种类型的SVM：C-SVC，nu-SVC，epsilon-SVR或nu-SVR。在我看来，你需要在大部分时间内改变C和伽玛......其余的通常是固定的..