libsvm "पुनरावृत्तियों की अधिकतम संख्या तक पहुँच" चेतावनी और क्रॉस-मान्यता

मैं डिग्री 2 के बहुपद कर्नेल के साथ C-SVC मोड में libsvm का उपयोग कर रहा हूं और मुझे कई एसवीएम को प्रशिक्षित करने की आवश्यकता है। प्रत्येक प्रशिक्षण सेट में 10 सुविधाएँ और 5000 वैक्टर हैं। प्रशिक्षण के दौरान, मुझे अधिकांश SVM के लिए यह चेतावनी मिल रही है कि मैं प्रशिक्षण देता हूँ:

WARNING: reaching max number of iterations
optimization finished, #iter = 10000000

क्या कोई यह बता सकता है कि यह चेतावनी क्या बताती है और शायद, इससे कैसे बचा जाए?

मैं गामा और सी (नियमितिकरण) के सर्वोत्तम विकल्पों को निर्धारित करने के लिए अपने मॉडलों के लिए क्रॉस-वैरिफिकेशन भी लागू करना चाहता हूं। मेरी योजना केवल इन 10 मूल्यों के प्रत्येक संयोजनों का प्रयास करना है: 0.00001, 0.0001, 0.001, 0.01, 0.1, 1, 10, 100, 1000, 10000 दोनों मापदंडों के लिए और देखें कि कौन-सा संयोजन क्रॉस-वैधीकरण के दौरान सबसे अच्छी सटीकता पैदा करता है। क्या यह पर्याप्त है? क्या मुझे इस अंतराल में अधिक मूल्यों का उपयोग करना चाहिए, या क्या मुझे एक व्यापक अंतराल चुनना चाहिए?

— मिहाई टोडर
स्रोत

NU_SVC मोड आज़माएं, इससे आपकी समस्या का समाधान होना चाहिए।

— होसिन बिटाराफ

$w$ $b$ $w$ $w$

ऐसा होने के कई कारण हैं, मैं आपको निम्न करने के लिए सुझाव दूंगा:

अपना डेटा सामान्य करें।
सुनिश्चित करें कि आपकी कक्षाएं कम या ज्यादा संतुलित हैं (समान आकार)। यदि वे नहीं करते हैं, तो उन्हें अलग-अलग भार देने के लिए पैरामीटर -w का उपयोग करें।
$C$ $\gamma$ $γ \cdot {यू}^{'} \cdot v + {coeff}_{0}^{डिग्री}$ $\gamma \cdot u' \cdot v + \text{coeff}_0^{\text{ degree}}$

$C$ $C$

ध्यान दें कि विंडोज के लिए LIBSVM वितरण में ग्रिडहोम नामक एक पायथन स्क्रिप्ट होनी चाहिए, जो आपके लिए पैरामीटर चयन (क्रॉस सत्यापन और निर्दिष्ट खोज श्रेणियों के आधार पर) कर सकती है। यह एसवीएम की सटीकता के लिए समोच्च भूखंडों का उत्पादन भी कर सकता है। यह उपकरण काफी मददगार हो सकता है।

StackOverflow पर संबंधित प्रश्न और इससे संबंधित प्रश्न भी मदद कर सकते हैं: libsvm सिकुड़ते हुए आंकड़े

— सिंह
स्रोत

विस्तृत विवरण के लिए धन्यवाद। यह निश्चित रूप से रहस्य को साफ करता है। मैंने SO पर लगभग वही सवाल पूछा था (जो लिंक आपने प्रदान किया था), लेकिन मुझे जो उत्तर मिला, वह ज्यादातर सिकुड़े हुए आँकड़ों पर केंद्रित था।

— मिहाई टोडर