How to tune the RBF SVM hyperparameters? An empirical evaluation of 18 search algorithms

SVM with an RBF kernel is usually one of the best classification algorithms for most data sets, but it is important to tune the two hyperparameters C and γ to the data itself. In general, the selection of the hyperparameters is a non-convex optimization problem and thus many algorithms have been pro...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	The Artificial intelligence review Ročník 54; číslo 6; s. 4771 - 4797
Hlavní autoři:	Wainer, Jacques, Fonseca, Pablo
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Dordrecht Springer Netherlands 01.08.2021 Springer Springer Nature B.V
Témata:	Algorithms Analysis Artificial Intelligence Bayesian analysis Binary data Classification Computation Computational geometry Computer Science Convexity Data Datasets Expenditures Function words Mathematical optimization Methods Optimization Particle swarm optimization Search algorithms Searches and seizures Simulated annealing Trees Non-convex optimization algorithms Grid search SVM Hyperparameters Random search
ISSN:	0269-2821, 1573-7462
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!