知识卡片
核参数必须联合验证
gamma参与径向、多项式或S形核的计算,作用随核形式与特征尺度不同。它与cost及degree共同影响边界,数值增大不保证精度提高。书中S形核的四个结果本身也非单调改善,不能只凭图形更复杂判定模型进步。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第12章 模型比较 第12章 模型比较 · 连续片段2 · 查看原书依据
gamma。这一次,我们将会在S型核函数上测试4个不同的gamma值,来看看它们的表现如何: sigmoid.gamma1.svm.fit<-svm(Label~X+Y, data=df, kernel='sigmoid', gamma=1) with(df, mean(Labe
参考来源
- 位置:《机器学习:实用案例解析》第12章《第12章 模型比较 · 连续片段2》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3124.html,spine3230)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:gamma。这一次,我们将会在S型核函数上测试4个不同的gamma值,来看看它们的表现如何: sigmoid.gamma1.svm.fit<-svm(Label~X+Y, data=df, kernel='sigmoid', gamma=1) with(df, mean(Labe
- 外部核验:[e1071官方svm接口](https://github.com/cran/e1071/blob/master/man/svm.Rd)(2026-11-14)。