Matlab libsvm交叉验证后的再培训

我知道交叉验证用于选择好的参数。在找到它们之后，我需要在不使用-v选项的情况下重新训练整个数据

但我面临的问题是，在使用-v选项进行训练后，我得到了交叉验证的准确率（例如85%）。没有模型，我看不到C和gamma的值。在这种情况下，我如何再培训

顺便说一句，我应用10倍交叉验证。 e、 g

需要一些帮助

为了获得最佳的C和gamma，我使用LIBSVM常见问题解答中提供的代码

bestcv = 0;
for log2c = -6:10,
  for log2g = -6:3,
    cmd = ['-v 5 -c ', num2str(2^log2c), ' -g ', num2str(2^log2g)];
    cv = svmtrain(TrainLabel,TrainVec, cmd);
    if (cv >= bestcv),
      bestcv = cv; bestc = 2^log2c; bestg = 2^log2g;
    end
    fprintf('(best c=%g, g=%g, rate=%g)\n',bestc, bestg, bestcv);
  end
end

另一个问题：使用-v选项后的交叉验证准确性是否与我们在不使用-v选项的情况下进行训练并使用该模型进行预测时得到的结果相似？这两种精度相似吗

另一个问题：交叉验证通过避免过度拟合基本上提高了模型的准确性。因此，它需要有一个模型，然后才能改进。我说得对吗？除此之外，如果我有一个不同的模型，那么交叉验证的准确性会不同吗？我说得对吗

还有一个问题：在交叉验证精度中，C和gamma的值是多少

图表是这样的

那么C的值为2，伽马=0.0078125。但当我用新参数重新训练模型时。该值与99.63%不同。有什么原因吗？

---

提前感谢…

此处的

-v

选项实际上是用来避免过度拟合问题的一种方法（不是使用整个数据进行训练，而是对

N-1

折叠进行N次交叉验证训练，并对剩余折叠进行测试，每次一次，然后报告平均精度）。因此，它只返回交叉验证精度（假设您有分类问题，否则回归的均方误差）作为标量数，而不是实际的SVM模型

如果要执行模型选择，必须使用交叉验证（类似于

grid.py

helper python脚本）实现网格搜索，以找到

C

和

gamma

的最佳值

这应该不难实现：使用MESHGRID创建一个值网格，迭代所有对

（C，gamma）

使用5倍交叉验证训练SVM模型，并选择具有最佳CV精度的值

例如：

%# read some training data
[labels,data] = libsvmread('./heart_scale');

%# grid of parameters
folds = 5;
[C,gamma] = meshgrid(-5:2:15, -15:2:3);

%# grid search, and cross-validation
cv_acc = zeros(numel(C),1);
for i=1:numel(C)
    cv_acc(i) = svmtrain(labels, data, ...
                    sprintf('-c %f -g %f -v %d', 2^C(i), 2^gamma(i), folds));
end

%# pair (C,gamma) with best accuracy
[~,idx] = max(cv_acc);

%# contour plot of paramter selection
contour(C, gamma, reshape(cv_acc,size(C))), colorbar
hold on
plot(C(idx), gamma(idx), 'rx')
text(C(idx), gamma(idx), sprintf('Acc = %.2f %%',cv_acc(idx)), ...
    'HorizontalAlign','left', 'VerticalAlign','top')
hold off
xlabel('log_2(C)'), ylabel('log_2(\gamma)'), title('Cross-Validation Accuracy')

%# now you can train you model using best_C and best_gamma
best_C = 2^C(idx);
best_gamma = 2^gamma(idx);
%# ...

---

如果使用整个数据集来确定参数，然后在该数据集上进行训练，则会过度拟合数据。理想情况下，您可以分割数据集，对一部分（使用CV）进行参数搜索，然后使用另一部分使用CV进行训练和测试。如果将整个数据集用于这两个方面，您会得到更好的结果吗？当然，但您的模型可能无法很好地概括。如果要确定模型的真实性能，需要单独选择参数。

非常棒的代码，谢谢…还有一个问题：精度值是最佳c和gamma的位置。我说得对吗？@lakesh：对，只要记住图表是用log2比例绘制的（所以这里最好的值是

C=2^9

和gamma=

2^-11

）太棒了。。。我编辑了上面的问题。。基本上，我又增加了几个小问题……我想知道你的答案。@lakesh：我建议你参考一本合适的机器学习书籍，阅读更多关于过度拟合、训练/测试/验证集、偏差/方差等的内容。。。（这些主题不是特定于SVM的）@Amro[~，idx]=max（cv_acc）；你说。那是->[C，idx]=max（cv_acc）？在最后一句话中，你所说的参数选择是什么意思？你的意思是确定某一部分的参数。很抱歉我不清楚。参数选择是确定哪些参数最适合您的数据集的行为（实际上，哪些参数最适合数据集的整个域以及您希望能够分类的未来数据）我的上一句话只是想总结一下我上面所说的——单独选择参数意味着使用数据集的单独部分来找出最佳参数，然后在训练未使用的部分时使用这些参数。第二部分：我认为你需要更深入地研究过拟合的概念。这是一个很好的例子。您的数据永远不会是数据世界的完美表示。构建模型时，可以创建一个具有100%精度的模型。你不会想要的，这就像图中的绿线。它不能很好地概括，这意味着它将在未来的数据上犯更多的错误。这称为过度装配。这意味着你的模型训练得太过严格了，无法获得训练数据。这就是为什么我们将测试数据单独保存的原因。这是我们对数据世界其他部分的最佳猜测，我们不想用它来构建我们的模型，因为如果我们这样做，我们就不知道我们的模型在新数据上是否真的很好。如果你使用这些数据来进行参数搜索，那么你就不知道你的分类器是否能够准确地处理未来的数据，或者你是否刚刚找到了这个特定数据集的完美参数。因为你有一个测试和训练集，我会将训练集一分为二-保持每个类的比例相同，使用前半部分进行参数网格搜索（最好使用cv）。然后使用这些参数在下半场训练模型，并在测试集上进行测试。

%# read some training data
[labels,data] = libsvmread('./heart_scale');

%# grid of parameters
folds = 5;
[C,gamma] = meshgrid(-5:2:15, -15:2:3);

%# grid search, and cross-validation
cv_acc = zeros(numel(C),1);
for i=1:numel(C)
    cv_acc(i) = svmtrain(labels, data, ...
                    sprintf('-c %f -g %f -v %d', 2^C(i), 2^gamma(i), folds));
end

%# pair (C,gamma) with best accuracy
[~,idx] = max(cv_acc);

%# contour plot of paramter selection
contour(C, gamma, reshape(cv_acc,size(C))), colorbar
hold on
plot(C(idx), gamma(idx), 'rx')
text(C(idx), gamma(idx), sprintf('Acc = %.2f %%',cv_acc(idx)), ...
    'HorizontalAlign','left', 'VerticalAlign','top')
hold off
xlabel('log_2(C)'), ylabel('log_2(\gamma)'), title('Cross-Validation Accuracy')

%# now you can train you model using best_C and best_gamma
best_C = 2^C(idx);
best_gamma = 2^gamma(idx);
%# ...