Блог

Я построил модели SVM с использованием метода 5-кратной перекрестной проверки. Я хочу использовать функцию tune.svm() для настройки наилучших параметров. Но по умолчанию в tune.svm() используется 10-кратный метод перекрестной проверки. В начале SVM при использовании метода 5-кратной перекрестной проверки мы делим наши данные на 5 сгибов. Но после того, как мы используем tune.svm(), по умолчанию он использует 10-кратную перекрестную проверку. Я просто хочу узнать, как мы можем использовать tune.svm, когда мы используем метод перекрестной проверки в SVM? И как мы можем найти наши лучшие параметры в линейном ядре с помощью метода перекрестной проверки?

Вы можете указать количество перекрестных проверок с помощью tunecontrol=tune.control(cross=..) . Если вы прочтете страницу справки ( ?tune.svm ), вы увидите, что:

 degree, gamma, coef0, cost, nu, class.weights, epsilon: ‘svm’
          parameters.
  

Это означает, что вы можете попытаться настроить эти параметры в svm, но вам нужно их указать.

Так, например, если мы настроим гамму и стоимость, с cv = 5:

 m = tune.svm(x = iris[,1:4],y=as.numeric(iris$Species=="versicolor"),
tunecontrol=tune.control(cross=5),cost=1:3,gamma=seq(0,0.5,by=0.1))

m$performances
   gamma cost      error  dispersion
1    0.0    1 0.30413429 0.074359870
2    0.1    1 0.05252970 0.015033730
3    0.2    1 0.03824034 0.010252205
4    0.3    1 0.03423748 0.009514754
5    0.4    1 0.03156347 0.008972839
6    0.5    1 0.03095934 0.009128068
7    0.0    2 0.30413429 0.074359870
8    0.1    2 0.04600002 0.013275795
9    0.2    2 0.03488123 0.008582790
10   0.3    2 0.03165164 0.008197322
11   0.4    2 0.03123569 0.008004122
12   0.5    2 0.03082393 0.009569036
13   0.0    3 0.30413429 0.074359870
14   0.1    3 0.04345943 0.012687920
15   0.2    3 0.03256819 0.006965251
16   0.3    3 0.03167265 0.007482398
17   0.4    3 0.03121712 0.008437225
18   0.5    3 0.03108899 0.010158448

m$best.parameters
   gamma cost
12   0.5    2