支持向量机参数设置详解

程序中SVM 的参数：

TestSVM_Parameter.svm_type=C_SVC;

TestSVM_Parameter.kernel_type= RBF;

TestSVM_Parameter.degree=3.0;

TestSVM_Parameter.coef0=1;

TestSVM_Parameter.gamma=1;

TestSVM_Parameter.cache_size=40;

TestSVM_Parameter.eps=0.01;

TestSVM_Parameter.C=1.0;

TestSVM_Parameter.shrinking=1;

TestSVM_Parameter.nr_weight=0;

TestSVM_Parameter.weight=NULL;

TestSVM_Parameter.weight_label=NULL;

SVM 参数含义：

int svm_type ：SVM 问题类型：

0： C_SVC: 多类别识别问题，求解问题 ,,min b w ξ 1

12l t i i C ξ=+∑w w 1： NU_SVC ：多类别识别问题，求解问题 ,,,min b ρw ξ 1

112l

t i i l νρξ=-+∑w w 2： ONE_CLASS ：两类别识别问题，求解问题 ,,,min b ρw ξ 1

112l

t i i l ρξν=-+∑w w

3： EPSILON_SVR ：回归分析，求解问题 *,,,min b w ξξ *1112l l t i i i i C C ξξ==++∑∑w w

4： NU_SVR ：回归分析，求解问题 *,,,,min b εw ξξ ()*112l t i i i C νεξξ=⎛⎫+++ ⎪⎝⎭∑w w int kernel_type ：核函数类型：

0： LINEAR ，线性，(),t K =x y x y

1： POL Y ，多项式，()(),d t K C γ=+x y x y

2： RBF ，径向基函数，()()2,exp K γ=--x y x y

3： SIGMOID ，Sigmoid 函数，()(

),tanh t K C γ=+x y x y

double degree ：多项式核函数参数

double gamma ：多项式、径向基函数和Sigmoid 函数的参数 double coef0：多项式和Sigmoid 函数的参数

double cache_size：缓存大小（MB）（标准值40）；

double eps：算法终止条件，类似于收敛精度，越小精度越高（标准值0.001）；

double C：C_SVC，EPSILON_SVR中的对于误分类样本的惩罚性因子C，越大

惩罚性越强，相当于对数据的信心越大，数据噪声比较小，（可设为1

或1000）；

double nu：NU_SVC，ONE_CLASS和NU_SVR中的ν，对误分类样本的另一

种解决方案，ν是支持向量占总样本比例的下界，和样本处在分类界

面两侧一个小邻域内数目占总样本数比例的上界（邻域大小或称管道

半径ρ为隐含参数）。（标准值0.5）；

double p：EPSILON_SVR中的ε，回归误差的上限，误差小于此值不惩罚，大

于此值惩罚，实际上相当于期望的回归精度（标准值0.1）；

int shrinking：是否使用shrinking策略，0—不使用，1—使用（标准值1）；

int nr_weight：C_SVC中需使用不同惩罚性因子的类别数；（一般可不用，设为0，每个类别的惩罚因子均为C）

int *weight_label：需使用特殊惩罚性因子的类别标号，weight_label[nr_weight]；

double *weight：各类别惩罚性因子的系数，第i个类别的惩罚因子为weight(i)*C，

没有可设为NULL，weight[nr_weight]；