machine-learning - 我应该首先为支持向量回归算法找到正则化参数或度数吗？

Question

我正在研究一个预测电影产生的收入的问题。我正在使用带有多项式内核的 sklearn 的支持向量回归算法。我试图找到使用正则化参数的默认值提供最佳准确性的程度。但是，我得到了 7 位数范围内的错误百分比。因此，我决定通过调整正则化参数来增加方差。

那么我是否应该首先假设一个学位并找到给出最佳结果的正则化参数，反之亦然？
或者还有什么我应该考虑的吗？

标签： machine-learningscikit-learnsvmregularized

Answer 1

通常，使用度数和正则化参数进行网格搜索是一种常见的做法。sklearn 这里有一些关于此的信息：

https://scikit-learn.org/stable/modules/grid_search.html

这将允许您制作一个您可以尝试的内核字典（rbf、poly 等）及其各自的超参数和正则化参数，并尝试找到最好的一个。