如何解决通过交叉验证技术在SVM中使用tune.svm函数
我用5倍交叉验证技术构建了SVM模型。 我想使用tune.svm()函数来调整最佳参数。但是,默认情况下 ,tune.svm()中使用10倍交叉验证技术。 在使用5折交叉验证技术的SVM开头,我们将数据分为5折。但是之后,当我们使用tune.svm()时,默认情况下,它将使用10倍交叉验证。我只是想了解一下,在SVM中使用交叉验证技术时如何使用tune.svm?以及如何通过交叉验证技术找到线性核中的最佳参数?
解决方法
您可以使用tunecontrol=tune.control(cross=..)
指定交叉验证的次数。如果您阅读帮助页面(?tune.svm
),将会看到:
degree,gamma,coef0,cost,nu,class.weights,epsilon: ‘svm’
parameters.
这意味着您可以尝试在svm中调整这些参数,但是需要指定它们。
例如,如果我们使用cv = 5调整伽玛和成本:
m = tune.svm(x = iris[,1:4],y=as.numeric(iris$Species=="versicolor"),tunecontrol=tune.control(cross=5),cost=1:3,gamma=seq(0,0.5,by=0.1))
m$performances
gamma cost error dispersion
1 0.0 1 0.30413429 0.074359870
2 0.1 1 0.05252970 0.015033730
3 0.2 1 0.03824034 0.010252205
4 0.3 1 0.03423748 0.009514754
5 0.4 1 0.03156347 0.008972839
6 0.5 1 0.03095934 0.009128068
7 0.0 2 0.30413429 0.074359870
8 0.1 2 0.04600002 0.013275795
9 0.2 2 0.03488123 0.008582790
10 0.3 2 0.03165164 0.008197322
11 0.4 2 0.03123569 0.008004122
12 0.5 2 0.03082393 0.009569036
13 0.0 3 0.30413429 0.074359870
14 0.1 3 0.04345943 0.012687920
15 0.2 3 0.03256819 0.006965251
16 0.3 3 0.03167265 0.007482398
17 0.4 3 0.03121712 0.008437225
18 0.5 3 0.03108899 0.010158448
m$best.parameters
gamma cost
12 0.5 2
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。