Wenn wir Systeme mit SVM mit RBF-Kernel vergleichen, sollten wir für alle Systeme dasselbe C und Gamma verwenden (feste Werte, z. B. C = 10, Gamma = 0,1) oder Hyperparameter drehen und die besten Werte für C und Gamma auswählen für jedes System?Wie führt man einen korrekten Vergleich zwischen Systemen durch, die SVM mit RBF-Kernel verwenden?
Wie #sascha schrieb, können verschiedene Klassifikatoren mit verschiedenen Parametern besser trainieren.
Aber es ist OK. Für verschiedene Aufgaben haben Sie auch unterschiedliche Anforderungen. Wenn Sie beispielsweise einen neuen Klassifikationsalgorithmus erfunden haben und diesen für eine bestimmte Aufgabe mit dem Stand der Technik vergleichen möchten, wird es in der Regel bereits einen optimierten Code für die spezifische Aufgabe geben, die Sie lernen möchten müssen nur kleine Verfeinerungen an Ihrem eigenen Algorithmus vornehmen. Auf der anderen Seite, wenn Sie eine neue Aufgabe haben und einfach verschiedene Klassifikatoren ausprobieren möchten, müssen Sie mit beiden spielen, bis Sie zu einem Plateau kommen. Wenn es große Unterschiede zwischen den Algorithmen gäbe, nimm den, der dir höhere Leistung gebracht hat, und ab als du nur damit spielen kannst. Wenn beide Sie ähnliche Ergebnisse gab, haben Sie zwei Möglichkeiten:
Was sind „Systeme "? Was vergleichst du? – sascha
Ich baue ein Textklassifizierungssystem und möchte die Leistung verschiedener Textklassifizierungssysteme vergleichen. –
Wenn diese Systeme aus verschiedenen Eingabedaten für saure SVMs bestehen, würden Sie natürlich pro System basierte Parameteroptimierung verwenden. Die optimalen Parameter eines Systems sind nicht notwendigerweise die besten für andere (mit sehr hoher Wahrscheinlichkeit). Dies liegt daran, dass Hyperparam opt immer abhängig von den Daten ist. – sascha