问题是liBSVM优化其参数gamma和Cost以获得最佳精度,这意味着100%的示例被归类为class 1,这当然不是我想要的.
我已经尝试修改重量参数-w但没有太大的成功.
所以我想要的是,以一种优化成本的方式修改grID.py,以及按类别而不是整体精度划分的精度和召回的伽玛.有没有办法做到这一点?或者是否有其他脚本可以做这样的事情?
解决方法 -w参数是不平衡数据所需的参数.你都尝试了些什么?如果你的课程是:
> 0级:90%
> 1级:5%
> 2级:5%
您应该将以下参数传递给svm:
-w0 5 -w1 90 -w2 90总结
以上是内存溢出为你收集整理的机器学习 – 使用LIBSVM grid.py来处理不平衡数据?全部内容,希望文章能够帮你解决机器学习 – 使用LIBSVM grid.py来处理不平衡数据?所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)