machine-learning - 调整 SVR 的超参数

Question

选择 SVR 的超参数来调整它们的更好方法是什么GridSearchCV？我了解到 的输入是和GridSearchCV的一组值。该算法评估这些值中的每一个，并在作为输入的一组值中建议最好的值。如何选择要作为输入的一组值？除了反复试验之外，还有更好的方法来选择它们吗？尝试和错误是耗时的，而且可能会错过超参数的最佳值。CgammaepsilonGridSearchCV

标签： machine-learningscikit-learnsvmgridsearchcv

Answer 1

与往常一样，良好的超参数范围取决于问题。很难找到一种适合所有问题的解决方案。

文献推荐epsilon介于和1-e3之间1。关于C参数，一个好的超参数空间将在1和之间100。太大的 AC只会过度拟合训练数据。

gamma已由 scikit-learn计算SVR。我不会改变它。

不要忘记您也可以调整kernel，这可能是要调整的最重要的超参数。

总而言之，在寻找最佳超参数范围时没有免费的午餐。最好的选择是阅读文献和文档，并了解每个参数的影响。