machine-learning - 调整 SVR 的超参数
问题描述
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。C
gamma
epsilon
GridSearchCV
解决方案
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。
推荐阅读
- php - 使用逗号分隔值创建新字段
- combinatorics - 允许对角线移动时方形网格中可能的路径总数
- java - 处理 OnActivityResult 时显示进度对话框
- javascript - 从我的 chrome 扩展中获取页面中所有 iframe 的所有源代码内容不起作用
- python - 从上一行获取增量
- bash - 查找并解压缩所有文件
- android - java.lang.RuntimeException:将结果 ResultInfo{who=null, request=64206, result=-1, data=Intent { (has extras) }} 传递给活动失败
- javascript - Xrange 图表高度
- mysql - MySQL,如何选择两个值之和最小的行
- c# - 为什么我的 GlobalExceptionFilter 不能在 NET.Core 上运行?