《支持向量机参数设置详解》由会员分享，可在线阅读，更多相关《支持向量机参数设置详解（2页珍藏版）》请在金锄头文库上搜索。
1、程序中SVM的参数：TestSVM_Parameter.svm_type=C_SVC; TestSVM_Parameter.kernel_type= RBF; TestSVM_Parameter.degree=3.0; TestSVM_Parameter.coef0=1; TestSVM_Parameter.gamma=1; TestSVM_Parameter.cache_size=40; TestSVM_Parameter.eps=0.01; TestSVM_Parameter.C=1.0; TestSVM_Parameter.shrinking=1; TestSVM_Parameter.n
2、r_weight=0; TestSVM_Parameter.weight=NULL; TestSVM_Parameter.weight_label=NULL;SVM参数含义：int svm_type：SVM问题类型：0： C_SVC: 多类别识别问题，求解问题 1： NU_SVC：多类别识别问题，求解问题 2： ONE_CLASS：两类别识别问题，求解问题 3： EPSILON_SVR：回归分析，求解问题 4： NU_SVR：回归分析，求解问题 int kernel_type：核函数类型：0：LINEAR，线性，1： POLY，多项式，2： RBF，径向基函数，3： SIGMOID，Sigmo
3、id函数，double degree：多项式核函数参数double gamma：多项式、径向基函数和Sigmoid函数的参数double coef0：多项式和Sigmoid函数的参数double cache_size：缓存大小（MB）（标准值40）；double eps：算法终止条件，类似于收敛精度，越小精度越高（标准值0.001）；double C：C_SVC，EPSILON_SVR中的对于误分类样本的惩罚性因子C，越大惩罚性越强，相当于对数据的信心越大，数据噪声比较小，（可设为1或1000）；double nu：NU_SVC，ONE_CLASS和NU_SVR中的，对误分类样本的另一种解决方
4、案，是支持向量占总样本比例的下界，和样本处在分类界面两侧一个小邻域内数目占总样本数比例的上界（邻域大小或称管道半径为隐含参数）。（标准值0.5）；double p：EPSILON_SVR中的，回归误差的上限，误差小于此值不惩罚，大于此值惩罚，实际上相当于期望的回归精度（标准值0.1）；int shrinking：是否使用shrinking策略，0不使用，1使用（标准值1）；int nr_weight：C_SVC中需使用不同惩罚性因子的类别数；（一般可不用，设为0，每个类别的惩罚因子均为C）int *weight_label：需使用特殊惩罚性因子的类别标号，weight_labelnr_weight；double *weight：各类别惩罚性因子的系数，第i个类别的惩罚因子为weight(i)*C，没有可设为NULL，weightnr_weight；
