Python 如何调整支持向量机参数以更好地训练

我正在研究线性支持向量机，我正在使用Opencv和Python，我试图调整参数以获得更好的训练，但仍然没有得到好的结果，我感觉我经历了错误的参数设置

# Create SVM classifier
svm = cv2.ml.SVM_create()
svm.setType(cv2.ml.SVM_EPS_SVR)
svm.setKernel(cv2.ml.SVM_LINEAR)
#cv2.ml.SVM_LINEAR
svm.setDegree(3)
svm.setGamma(1)
svm.setCoef0(0.0)
svm.setC(0.01)
svm.setNu(0.5)
svm.setP(0.1)
#svm.setClassWeights(0)

---

我正在使用上述参数，并从中获得了很多帮助。

使用搜索最佳参数值会获得更好的结果。您不能从其他应用程序复制参数值，并期望在自己的数据上获得良好的结果

当调用say

svm.getType（）

时，会得到一个int值，例如100。要了解该类型，请参见公共类型下的：

枚举类型{C_SVC=100，NU_SVC=101，ONE_CLASS=102，
EPS\u SVR=103，NU\u SVR=104}

因此，100表示

C_SVC

。对于您找到的内核类型：

枚举核类型{CUSTOM=-1，LINEAR=0，POLY=1，RBF =2，SIGMOID=3，CHI2=4，INTER=5}

---

那么2意味着RBF核在数据上产生了最好的精度。

trainAuto也在预测时提出了问题，当我们使用

hog.setsvmdeter（svm_new）

探测器大小

时，当我尝试使用
trainAuto
获取类型和核时，它显示
打印（svm.getType（））#100
print类型的100个值和
print（svm.getKernelType（））#2
2 KernelType的值。