SVM回归如何选择最优参数？
How to choose the optimal parameter for SVM regression?
我知道包 e1071 中的 tune() 对于选择 SVM 的最佳参数很有用 regression.But 我只是不知道如何 select gamma、cost 和 epsilon?
等参数的合适范围
x<-tune.svm(rg~.,data=train,kernel="radial",
gamma = c(0.01,0.03,0.1,0.3,1.3,10,30),cost=2^(2:9),epsilon =c(0.01,0.03,0.1,0.3,1.3,10,30) )
以上参数只是随机选择的。任何建议，将不胜感激。
非常感谢！！
好的。这是我使用 tune.svm 之后的火车数据得出的结果，x 轴是拟合数据，y 轴是实际数据。有没有关于如何提高 SVM 性能的想法？
和训练集中的数据：
> head(train)
rg weather sex member_type annual_income Weekend age_group
1 0.035725277 6 2 3 1 2 3
2 1.693898548 6 2 1 5 2 1
3 0.009012839 1 2 3 1 1 3
4 0.014902879 6 2 3 2 2 3
6 0.003531616 6 2 3 1 1 2
7 0.001575542 6 1 3 2 1 3
大多数人使用的正是您所使用的，这是一个增长 3 倍的范围。在某些情况下，我尝试过 1.5 的倍数，即 (0.01, 0.015, 0.03...)。我提高了我的表现一点点，但不是太多。这完全取决于你训练的时间。
我会尝试最小值 0.0001 和最大值 1000。也许 1000 太多了，但我总是尝试比我认为的最大值大一个数量级，我会说它是 100。
我知道包 e1071 中的 tune() 对于选择 SVM 的最佳参数很有用 regression.But 我只是不知道如何 select gamma、cost 和 epsilon?
x<-tune.svm(rg~.,data=train,kernel="radial",
gamma = c(0.01,0.03,0.1,0.3,1.3,10,30),cost=2^(2:9),epsilon =c(0.01,0.03,0.1,0.3,1.3,10,30) )
以上参数只是随机选择的。任何建议，将不胜感激。 非常感谢！！
好的。这是我使用 tune.svm 之后的火车数据得出的结果，x 轴是拟合数据，y 轴是实际数据。有没有关于如何提高 SVM 性能的想法？
和训练集中的数据：
> head(train)
rg weather sex member_type annual_income Weekend age_group
1 0.035725277 6 2 3 1 2 3
2 1.693898548 6 2 1 5 2 1
3 0.009012839 1 2 3 1 1 3
4 0.014902879 6 2 3 2 2 3
6 0.003531616 6 2 3 1 1 2
7 0.001575542 6 1 3 2 1 3
大多数人使用的正是您所使用的，这是一个增长 3 倍的范围。在某些情况下，我尝试过 1.5 的倍数，即 (0.01, 0.015, 0.03...)。我提高了我的表现一点点，但不是太多。这完全取决于你训练的时间。
我会尝试最小值 0.0001 和最大值 1000。也许 1000 太多了，但我总是尝试比我认为的最大值大一个数量级，我会说它是 100。