支持向量机参数matlab的

我的工作我的人工智能问题，我下面从这个例子说明：支持向量机参数matlab的

在那里，他们用支持向量机进行分类：

classifier = fitcecoc(trainingFeatures, trainingLabels, ... 
    'Learners', 'Linear', 'Coding', 'onevsall', 'ObservationsIn', 'columns');

我用我自己的数据集试过了这个例子，它有一个89.5％的热情它工作得很好，但现在我想尝试用我自己的设置而不是默认的settin自己的SVM GS。

我在fitcecoc默认使用支持线性内核的支持向量机的文档中阅读，现在我想尝试不同的内核，例如高斯和多项式。

我知道机器学习coursera当然，SVM有一个参数（安德鲁NG指它为C）并且每个内核也有它自己的参数。此外，我发现信息有关此Mathworks公司网址的内核参数：

Kernel paramters...

根据该链接....

高斯内核拥有其参数SIGMA
和多项式内核有它的参数P这是多项式的顺序 func

所以我写下这段代码：

Oursvm = templateSVM('KernelFunction','polynomial'); 
classifier = fitcecoc(trainingFeatures, trainingLabels,'Learners',... 
    Oursvm,'Coding', 'onevsall', 'ObservationsIn', 'columns');

现在，我想改变P参数，在模板SVM Doumentation我发现，我可以将其设置是这样的：

Oursvm = templateSVM('KernelFunction','polynomial','PolynomialOrder',9);

Template SVM

的默认值是3，但不管我用PolynomialOrder其数量，accurracy是总是相同3.2258对于p = 1或p = 2甚至p = 9

这不是很奇怪吗？

我错过了什么？
另外如何设置SIGMA参数为高斯内核？因为使用默认配置进行训练的准确度非常低，并且在SVM模板文档中，他们没有指定如何清楚地设置此参数。
如何设置我的SVM的C参数？
最后我已阅读，你需要至少10次的训练样本比输入数据的维度，它怎么可能是深学习的榜样只使用201个样本（67为每个类，三类总）如果输入数据的尺寸是4096？

来源

2017-04-23 Nicole Arévalo

安德鲁·吴描述你的问题上week7 kernels2视频：

大型的C - 给低偏置，高方差（易过度拟合）

小C - 提供更高的偏见，低方差（易到欠拟合）

Sigma的高斯内核是相反的：

大西格玛 - 提供更高的偏压，低方差（容易发生欠拟合）

小西格玛 - 给出更低的偏见，高方差（易过度拟合）

所以，你可以尝试调整一个参数的时间。而安德鲁我没有看到使用多项式内核的原因。通常取决于数字示例和特征的线性和高斯。 gl

对于最后一个问题，如果训练样例的数量很少，那么很多功能的情况下，应该尝试使用线性内核

来源

2017-04-23 09:29:02

支持向量机参数matlab的

回答

相关问题