支持向量机参数设置详解.doc

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.nr_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，Sigmoid函数，double degree：多项式核函数参数double gamma：多项式、径向基函数与Sigmoid函数的参数double coef0：多项式与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，数据噪声比拟小，可设为1或1000；double nu：NU_SVC，ONE_CLASS与NU_SVR中的，对误分类样本的另一种解决方案，是支持向量占总样本比例的下界，与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Cint *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；第 3 页