如何找出LIBSVM中的最佳C / GAMMA参数？

Question

我在用着 libsvm 对于具有大量功能/属性的数据集的多类分类（每个项目约为5,800）。我想选择比当前正在使用的默认值更好的C和伽马参数。

我已经尝试过轻松运行。我必要的运行时间需要数年）。

有没有办法比默认值更快地得出更好的C和伽马值？我正在使用Java库，如果有任何区别。

Answer 1

我相信，可以在没有网格搜索的情况下完成此操作 easy.py 做。

看看Trevor Hastie等人的论文： 支持向量机的整个正则路径 （PDF）。一个“ SVM Run”将在一枪中计算所有“ C”值的损失，因此您可以看到它如何影响您的SVM性能。

他们具有该算法的实现，您可以在 r 通过 SVMPATH 包裹。

我相信该算法的核心是用Fortran编写的，但包裹在R中。