在比较使用 SVM 和 RBF 内核的系统时，我们应该对所有系统使用相同的 C 和 gamma（固定值，例如 C=10，gamma=0.1）还是进行超参数翻转并为每个系统选择最佳的 C 和 gamma 值系统？
问问题
58 次
1 回答
0
正如#sascha 所写，不同的分类器可以使用不同的参数进行更好的训练。
但没关系。对于不同的任务，您也有不同的要求。例如，如果您发明了一种新的分类算法，并希望将其与特定任务的最新技术进行比较，通常已经有针对您尝试学习的特定任务的优化代码，所以您只需要对您自己的算法进行小的改进。另一方面，如果您有一个新任务，并且只想尝试不同的分类器，您将需要同时使用它们，直到达到某个平台期。如果算法之间存在很大差异，请选择性能更高的算法，并且只能使用它。如果他们都给你类似的结果，你有两个选择：
- 对它们进行小幅调整，直到获得满意的结果
- 尝试其他算法
于 2016-05-12T09:13:05.320 回答