エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
C-SVMのチューニング(正則化パラメータの最適化) - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
C-SVMのチューニング(正則化パラメータの最適化) - Qiita
はじめに C-SVMのチューニングでは,正則化パラメータ($C$)の最適値をCross Validationで求める方法が提... はじめに C-SVMのチューニングでは,正則化パラメータ($C$)の最適値をCross Validationで求める方法が提案されています. 本エントリーでは,pythonのscikit-learnを使って,SVMのクラス分類に必要な$C$を最適化する方法を紹介します. SVMの損失関数は,データ数に依存して変化するため,データ数のスケーリングによって,$C$の最適値を評価する必要があります. 正則化(Regularization) SVMで分類を行う際,データが線形分離できない場合,分離超平面のマージン内のデータを許す,ソフトマージンSVMを用います. その際,分類しないデータについてペナルティを与え,ペナルティの重要度を正則化パラメータ($C$)によって決定します. $C→∞$とすると,誤分類を許容しないハードマージンSVMとなります. ソフトマージンSVMでは,以下の式で表される誤差