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?
问题描述
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?
解决方案
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。
推荐阅读
- java - IntelliJ IDEA 的默认项目结构和运行配置
- mongodb - 安装 MongoDB 后尝试启动 Mongod 时出错
- vb.net - 如何从输入到vb.net文本框中的句子中提取最后一个单词
- javascript - Power Bi Javascript API - 修改视觉对象
- ios - 我有 Xcode 命令行工具,我真的需要 Xcode GUI 来开发 iOS 应用程序吗?
- mongodb - MongoDB 通过用户 ID 在数组中查找对象
- java - Spring Jpa - 在代码中使用多个 findby 方法
- json - 例如,使用 jq,我如何从 json 文件中提取列表、整个列表
- java - 损坏的 ZIP 在 Java 中生成
- c# - 在 SIP 中注册后检查 INVITE