调整 SVR 的超参数 [关闭]

Posted 2023-03-12

【中文标题】调整 SVR 的超参数 [关闭]

【英文标题】：Tuning of hyperparameters of SVR [closed]

【发布时间】：2021-12-08 16:22:06

【问题描述】：

选择 SVR 的超参数以使用 GridSearchCV 调整它们的更好方法是什么？我了解到GridSearchCV 的输入是C、gamma 和epsilon 的值集。 GridSearchCV 算法评估这些值中的每一个，并在作为输入的一组值中建议最好的值。如何选择要作为输入的一组值？除了反复试验之外，还有更好的方法来选择它们吗？尝试和错误是耗时的，而且可能会错过超参数的最佳值。

【问题讨论】：

我投票结束这个问题，因为它与 help center 中定义的编程无关，而是关于 ML 理论和/或方法 - 请参阅 ***.com/tags/machine-learning/info 中的介绍和注意事项跨度>

【参考方案1】：

与往常一样，良好的超参数范围取决于问题。很难找到一种适合所有问题的解决方案。

literature 建议在1-e3 和1 之间使用epsilon。关于C 参数，一个好的超参数空间应该在1 和100 之间。太大的C 只会过度拟合训练数据。

gamma 已经由 scikit-learn SVR 计算出来。我不会改变它。

不要忘记您也可以调整 kernel，这可能是要调整的最重要的超参数。

总而言之，在寻找最佳超参数范围时没有免费的午餐。最好的选择是阅读文献和文档，并了解每个参数的影响。