有哪些方法可以优化支持向量机SVM的参数？

如题所述

举报该问题

推荐答案 2012-07-29

遗传算法，差分进化，粒子群，蚁群，模拟退火，人工鱼群，蜂群，果蝇优化等都可以优化svm参数追问

那什么算法应用更好一些呢？

追答

没有更好，根据不同的问题选取不同的算法，要对比

温馨提示：答案为网友推荐，仅供参考

当前网址：http://33.wendadaohang.com/zd/hd05BdWch.html

第1个回答 2012-07-30

其实，真正在实际用的时候，还是径向基核函数用的比较多，所以里面的问题就归结于核函数参数delta的优化，具体的方法很多，就如楼上哥们所说的，之前我也做过有关核函数参数优化的一点研究。。。。

相似回答

支持向量机原理详解(六): 序列最小最优化(SMO)算法(Part I)答：SMO算法详解：序列最小最优化的精髓支持向量机(SVM)的高效训练离不开SMO算法的巧妙设计。SMO的核心在于其独特的优化策略，让我们深入理解它的运作机制：核心思想: SMO通过分解大规模的凸二次规划问题，将其转化为易于解析处理的小规模子问题。关键在于，它确保每个迭代步骤都严格遵循等式约束，逐步逼近全局...

【机器学习】支持向量机 SVM(非常详细)答：四、SMO算法：求解的神器 SMO算法是SVM优化过程中的重要一步，它专注于每次优化一个参数，解决二次规划问题，最终得出一个精确的分类决策函数。通过SMO，我们得以在复杂问题中高效地进行分类，无论是线性还是非线性。五、面对现实：软间隔与核函数面对部分线性不可分的问题，SVM引入了软间隔概念，允许少...

SVM(支持向量机)原理及数学推导全过程详解(附MATLAB程序)答：1.3 SVM核心推导在SVM中，关键在于最大化分类间隔，即最小化权重向量的范数。这与几何间隔相关，具体涉及函数间隔（样本点到超平面的分类确信度）和几何间隔（点到超平面的欧氏距离）。通过优化目标，我们寻找离超平面最近和最远的点，形成最小化间隔的策略，这个过程可以用凸优化方法如拉格朗日对偶法来求...

大家正在搜

参数优化方法有哪些网络参数优化有哪些参数液相开发方法的方法参数优化 SVM中参数调优的方法优化色谱参数的方法优化神经网络参数的常用方法 svm参数优化方法简述CRT参数优化内容及方法优化算法中的参数如何确定

svm怎样找最优参数

如何用遗传算法优化svm的参数

支持向量机(SVM)中的参数C和gamma代表什么含义呢？

支持向量机的训练在本质上是在最优化哪个值

PSO优化SVM参数的问题

支持向量机(SVM)是否适合大规模数据？

对支持向量机几种常用核函数和参数选择的比较研究

粒子群算法优化支持向量机参数的matlab算法，小弟毕设做这...