У меня есть набор данных, который я использую для классификации с помощью libSVM в Matlab. Набор данных состоит из 4 классов.
Для выбора параметров SVM я могу выполнять вложенную перекрестную проверку. Проблема в том, что мне тоже нужно в итоге значение лучших параметров.
После выполнения вложенной перекрестной проверки и получения окончательной точности мне нужны значения лучших параметров. Затем я обучу SVM для каждого класса (один против всех) с лучшими параметрами для выбора наиболее важных функций (в соответствии с наибольшим весом), то есть картой важности функций.
Как я могу это сделать? Должен ли я просто не выполнять вложенную перекрестную проверку, а только перебирать все параметры и выполнять перекрестную проверку?
Во-вторых, если я использую линейную SVM, то использование этого весового вектора w для присвоения важности функциям работает, но работает ли он также для нелинейной SVM (например, ядра rbf)?