[笔记]A Practical Guide to Support Vector Classication

标签：重要   映射   ini   不能   arc   性能   data   sig   cat   

《A Practical Guide to Support Vector Classication》是一篇libSVM使用入门教程以及一些实用技巧。

1. Basic Kernels：

（1）linear

（2）polynomial

（3）radial basis function

（4）sigmoid

2. Scaling：

Scaling对于SVM非常重要，可以避免某个维度上的值很大，会主导那些值很小的维度。另一个好处是避免复杂的数值计算。另外需要注意的是，在对training data和testing data进行scaling的时候，要使用相同的缩放倍数。

3. Cross-validation and Grid-search：

（1）cross-validation可以防止过拟合。

（2）可以先粗糙地grid search，再进行更精细的grid search。

4. When to Use Linear but not RBF Kernel：

如果features的维度较大，那么就并不需要将数据映射到更高维度的空间了。或者说，非线性的映射并不能带来多大的性能提升。

[笔记]A Practical Guide to Support Vector Classication

标签：重要   映射   ini   不能   arc   性能   data   sig   cat   

原文地址：http://www.cnblogs.com/bentuwuying/p/6361562.html