该【SVM在参数选择上的优化的任务书 】是由【niuwk】上传分享,文档一共【2】页,该文档可以免费在线阅读,需要了解更多关于【SVM在参数选择上的优化的任务书 】的内容,可以使用淘豆网的站内搜索功能,选择自己适合的文档,以下文字是截取该文章内的部分文字,如需要获得完整电子版,请下载此文档到您的设备,方便您编辑和打印。SVM在参数选择上的优化的任务书任务书任务描述:支持向量机(SupportVectorMachine,SVM)是一种基于结构风险最小化原理的二分类模型,已经广泛应用于数据分类,图像识别等领域。本任务要求你研究SVM模型参数选择的优化算法,即如何选择最优的超参数C和gamma,使得SVM在训练集和测试集上的表现最好。任务要求:,并阅读相关文献。,如网格搜索、随机搜索、贝叶斯优化、粒子群优化等,比较它们的优缺点。,比较SVM在不同超参数算法的情况下在训练集和测试集上的性能,并绘制出相关曲线。,尝试提出自己的改进算法,并进行实验比较。,记录所做的工作、实验结果和分析,清晰地表达自己的观点和结论。任务目标:,研究不同算法的优缺点。,实现常用的算法并进行实验比较。,选择出最优的SVM模型参数,实现对数据的分类。,能够清晰表达自己的观点和结论。参考文献:,.,&Guido,S.(2016).IntroductiontomachinelearningwithPython:'ReillyMedia,,H.,Feng,G.,&Niu,Y.(2016).(DSP)(-133).,V.(1999).,10(5),988-,J.,&Bengio,Y.(2012).Randomsearchforhyper-,13(Feb),281-305.
SVM在参数选择上的优化的任务书 来自淘豆网www.taodocs.com转载请标明出处.