Какой из параметров в LibSVM является переменной slack?

«Переменная резерва» — это C в c-svm и nu в nu-SVM. Оба они выполняют одну и ту же функцию в своих соответствующих формулировках — контролируют компромисс между большим запасом и ошибкой классификатора. В случае C его обычно проверяют по порядкам, скажем, от 10 ^ -4, 10 ^ -3, 10 ^ -2,... до 1, 5 или около того. nu — это число от 0 до 1, обычно от 0,1 до 0,8, которое управляет отношением опорных векторов к точкам данных. Когда nu равно 0,1, запас небольшой, количество опорных векторов будет небольшим процентом от количества точек данных. Когда nu равно 0,8, разница очень велика, и большинство точек попадет в эту зону.

Другие вещи, которые следует учитывать, — это ваш выбор ядра (линейное, RBF, сигмовидное, полиномиальное) и параметры для выбранного ядра. Обычно приходится много экспериментировать, чтобы найти наилучшее сочетание параметров. Тем не менее, будьте осторожны, чтобы не подобрать слишком много для вашего набора данных.

Берджес написал отличный учебник: Учебник по методам опорных векторов для распознавания образов

Но если вы в основном просто хотите знать, как его ИСПОЛЬЗОВАТЬ, а не о том, как он работает, прочтите "Практическое руководство по поддержке векторной классификации" Чи-Вей Хсу, Чи-Чунг Чанг и Чи-Джен Лин (авторы libsvm)

Сначала решите, какой тип SVM вы собираетесь использовать: C-SVC, nu-SVC, epsilon-SVR или nu-SVR. На мой взгляд, большую часть времени вам нужно варьировать C и гамму ... остальное обычно фиксируется ..