Az RBF magfüggvényű SVM optimális paraméter értékeinek keresése

Leírás

Ebben a kísérletben RBF magfüggvényű SVM-eket tanítunk az Ionosphere adatállományon, miközben az RBF magfüggvény gamma paraméterének értékét és a C paraméter értékét is változtatjuk. Minden egyes SVM-re meghatározzuk a 10-szeres keresztellenőrzésből nyert átlagos osztályozási hibaarányt. Eredményül a legjobb átlagos osztályozási hibaarányt eredményező értékeket adjuk vissza. A következő paraméter értékeket tekintjük C-hez és gamma-hoz: C = 2^n, ahol -5 <= n <= 6, gamma = 2^m, ahol -10 <= m <= 4. Tehát összesen 180 a vizsgált paraméterérték-kombinációk száma.

Bemenet

Ionosphere [UCI MLR]

Kimenet

8.22. ábra - Az RBF magfüggvényű SVM paramétereinek optimális értékei

Az RBF magfüggvényű SVM paramétereinek optimális értékei

8.23. ábra - Az RBF magfüggvényű SVM osztályozási pontossága az adatállományon

Az RBF magfüggvényű SVM osztályozási pontossága az adatállományon

Az eredmények értékelése

Az első ábra azt mutatja, hogy a legjobb átlagos osztályozási hibaarányt akkor érjük el, ha a C paraméter értéke 16, a gamma értéke pedig 0,015625. Megjegyezzük, hogy ezek a paraméter értékek nem tekinthetők az átlagos osztályozási hibaarány globális optimumának, mivel egy rács-keresés végrehajtásával kaptuk őket, amely csupán a keresési tér néhány pontját vizsgálja meg.

A második ábra azt mutatja, hogy az optimális paraméterekkel a teljes adatállományon tanított RBF magfüggvényű SVM nagyon jó eredményt ad.

Videó

Folyamat

svm_exp8.rmp

Kulcsszavak

SVM
felügyelt tanulás
hibaarány
osztályozás
keresztellenőrzés
paraméter-optimalizálás

Operátorok

Apply Model
Log
Multiply
Normalize
Optimize Parameters (Grid)
Performance (Classification)
Read CSV
Set Parameters
Support Vector Machine (LibSVM)
X-Validation