A C paraméter hatása a lineáris SVM teljesítményére (1)

Leírás

A folyamat a C paraméter hatását szemlélteti a lineáris SVM teljesítményére. Lineáris SVM-eket tanítunk a Wine adatállomány egy részhalmazán, miközben a C paraméter értékét 0,001-ről 100-ra növeljük. Minden egyes SVM-re meghatározzuk a tanulóhalmazon mért osztályozási hibaarányt valamint a tartóvektorok számát.

Bemenet

A Wine adatállomány [UCI MLR] egy részhalmaza.

8.9. ábra - A Wine adatállomány egy, a kísérletben felhasznált részhalmaza (az összesen 3 osztály közül 2, az összesen 13 attribútum közül pedig 2 került kiválasztásra). Megjegyezzük, hogy az osztályok nem lineárisan szeparálhatóak.

A Wine adatállomány egy, a kísérletben felhasznált részhalmaza (az összesen 3 osztály közül 2, az összesen 13 attribútum közül pedig 2 került kiválasztásra). Megjegyezzük, hogy az osztályok nem lineárisan szeparálhatóak.

Kimenet

8.10. ábra - A lineáris SVM osztályozási hibaaránya a C paraméter értékének függvényében

A lineáris SVM osztályozási hibaaránya a C paraméter értékének függvényében

8.11. ábra - A tartóvektorok száma a C paraméter értékének függvényében

A tartóvektorok száma a C paraméter értékének függvényében

Az eredmények értékelése

Az első ábra azt mutatja, hogy az osztályozási hibaarány gyorsan 6% alá esik, ha a C paraméter értéke nő, ezután pedig ugyanaz marad.

A második ábra azt mutatja, hogy a tartóvektorok száma is csökken a C paraméter értékének növelésével, bár nem olyan gyorsan, mint az osztályozási hibaarány.

Videó

Folyamat

svm_exp2.rmp

Kulcsszavak

SVM
felügyelt tanulás
hibaarány
osztályozás

Operátorok

Apply Model
Filter Examples
Log
Loop Parameters
Normalize
Performance (Classification)
Performance (Support Vector Count)
Read CSV
Remove Unused Values
Support Vector Machine (LibSVM)