SVM 模型偏差的负号
Negative sign of the bias of a SVM model
我对 SVM 中偏差和参数 C 之间的关系有疑问（C = 正则化参数 λ 的倒数）。
我正在MATLAB中训练一个模型，我需要设置C。我知道这个规则：大C带来更低的偏差和更高的方差，而小的C带来更高的偏差和更低的方差。
首先，当我将 C 设置为大于 50 时，这条规则在我的模型中似乎并不成立。对于我选择的每个 C，返回的偏差始终为负。问题是，当 C>50 时，我获得的偏差（绝对值）高于 C 非常低（<1）的偏差。
其次，应该考虑偏差并将其报告为绝对值还是带符号？
感谢您的帮助，
MP
发完问题，当然解开了我的疑惑！
如果有人感兴趣，这个问题只是一个词的误解。在这种情况下，MATLAB 中的偏差一词并不意味着对模型性能的估计，而是距离超平面特征 space 起源。
由于我的知识不足，文档不够清楚！
再见
我对 SVM 中偏差和参数 C 之间的关系有疑问（C = 正则化参数 λ 的倒数）。 我正在MATLAB中训练一个模型，我需要设置C。我知道这个规则：大C带来更低的偏差和更高的方差，而小的C带来更高的偏差和更低的方差。
首先，当我将 C 设置为大于 50 时，这条规则在我的模型中似乎并不成立。对于我选择的每个 C，返回的偏差始终为负。问题是，当 C>50 时，我获得的偏差（绝对值）高于 C 非常低（<1）的偏差。
其次，应该考虑偏差并将其报告为绝对值还是带符号？
感谢您的帮助，
MP
发完问题，当然解开了我的疑惑！
如果有人感兴趣，这个问题只是一个词的误解。在这种情况下，MATLAB 中的偏差一词并不意味着对模型性能的估计，而是距离超平面特征 space 起源。 由于我的知识不足，文档不够清楚！
再见