摘要
支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法。模型选择是设计支持向量机的重要内容之一。本文在分析用于回归的支持向量机原理的基础上,分别从核函数的选择、模型参数的作用、模型参数的调整方法等模型选择方面进行了综述,并讨论了模型选择的优缺点,最后指出在实际应用中常见的核函数和模型参数调整方法。
Support vector machine (SVM) are a kind of novel machine learning methods based on statistical learning theory. Model selection is an important step in SVM design. This paper introduces kernel function, the importance of model parameters and its practical selection for SVM regression. The best kernel function and existing practical approaches to the choice of model parameters are given in SVM applications.
出处
《科技通报》
2006年第2期154-158,共5页
Bulletin of Science and Technology
关键词
支持向量回归机
核函数
模型参数
模型选择
Support vector machine regression
model selection
kernel function
model parameters