优化参数(网格)(并发)

教程的过程

求SVM算子参数的最优值

使用检索操作符加载“加权”数据集。对其应用优化参数(网格)操作符。看看优化参数(网格)操作符的编辑参数设置参数。您可以在Selected Parameters窗口中看到，SVM运算符的C和gamma参数被选中。单击“Selected Parameters”窗口中的SVM.C参数，可以看到C参数的取值范围为0.001 ~ 100000。对数选择11个值(10步)。现在，单击SVM。在Selected Parameters窗口中，你会看到gamma参数的范围被设置为0.001到1.5。对数选择11个值(10步)。2个参数有11个可能的值，因此有121个组合(即11 x 11)。 The subprocess will be executed for all combinations of these values, thus it will iterate 121 times. In every iteration, the values of the C and/or gamma parameters of the SVM(LibSVM) Operator are changed. The value of the C parameter is 0.001 in the first iteration. The value is increased logarithmically until it reaches 100000 in the last iteration. Similarly, the value of the gamma parameter is 0.001 in the first iteration. The value is increased logarithmically until it reaches 1.5 in the last iteration.

看看优化参数(网格)操作符的子过程。首先，使用split data Operator将数据分割为两个相等的分区。SVM (LibSVM)运算符应用于一个分区。在第二个分区上使用Apply model Operator应用生成的分类模型。使用性能(分类)算子来度量SVM模型在测试分区上的统计性能。嵌套的Operator还记录每次迭代的性能和参数。

运行该流程并转到Results View。可以看到，最优参数集有以下值:SVM. c = 398.107和SVM。γ= 0.001。现在看看由优化参数(网格)操作符记录的值，以验证这些值。您可以看到最小的测试误差是0.02(在第8次迭代中)。此迭代的C和gamma参数的值与最佳参数集中给出的值相同。