R：带参数 C 的 ksvm
R: ksvm with parameter C
我想在ksvm中调整参数C。现在我想知道这个 C 是如何定义的。
C的定义是
cost of constraints violation (default: 1) this is the `C'-constant of
the regularization term in the Lagrange formulation.
这是否意味着C越大，允许的错误分类越多？
成本参数惩罚大残差。因此，更大的成本将导致更灵活的模型和更少的错误分类。实际上，成本参数允许您调整 bias/variance 权衡。成本参数越大，模型的方差越大，偏差越小。
所以你的问题的答案是否定的。成本越大，允许的误分类越少。
这在 Kuhn 的书 Applied Predictive Modeling 的第 7 章第 3 节中有解释。
注意这与惩罚大系数的正则化相反，导致更高的偏差和更低的方差。在这里，我们惩罚导致更高方差和更低偏差的残差。
我想在ksvm中调整参数C。现在我想知道这个 C 是如何定义的。 C的定义是
cost of constraints violation (default: 1) this is the `C'-constant of the regularization term in the Lagrange formulation.
这是否意味着C越大，允许的错误分类越多？
成本参数惩罚大残差。因此，更大的成本将导致更灵活的模型和更少的错误分类。实际上，成本参数允许您调整 bias/variance 权衡。成本参数越大，模型的方差越大，偏差越小。
所以你的问题的答案是否定的。成本越大，允许的误分类越少。
这在 Kuhn 的书 Applied Predictive Modeling 的第 7 章第 3 节中有解释。
注意这与惩罚大系数的正则化相反，导致更高的偏差和更低的方差。在这里，我们惩罚导致更高方差和更低偏差的残差。