我有一个包含6216个观测值和17个预测因子的数据集。我想为regression分析构建一个SVM。我的目标是调整超参数，以便尽可能地改进模型。我这样做是为了教学目的，所以我必须展示linear，radial basis function，polynomial和sigmoid内核的最佳解决方案，因为函数tune.svm使用10-fold cross validation作为默认值，所以我决定设置一个5-fold cross validation，以降低复杂度。
下面的代码是我试图在线性内核的情况下使用的代码，但我一直得到警告。
svm.tuning <- tune.svm(x = x_scaled[,names(x_scaled)!="sal_perc"],y = x_scaled[,"sal_perc"],
cost = 10^(-4:2), tunecontrol=tune.control(cross = 5), kernel="linear")字符串
如果我运行它，它需要大约10/15分钟的时间来执行（10倍大约一个小时）。我不想想象其他内核需要多长时间，我甚至需要调整gamma参数。在运行它时，我一直看到这样的情况：
> svm.tuning <- tune.svm(x = x_scaled[,names(x_scaled)!="sal_perc"],y = x_scaled[,"sal_perc"],
+ cost = 10^(-4:2), tunecontrol=tune.control(cross = 5), kernel="linear")
WARNING: reaching max number of iterations
WARNING: reaching max number of iterations
WARNING: reaching max number of iterations
WARNING: reaching max number of iterations
WARNING: reaching max number of iterations
WARNING: reaching max number of iterations
WARNING: reaching max number of iterations
WARNING: reaching max number of iterations
WARNING: reaching max number of iterations型
我发现这个家伙也有同样的问题，但给出的解决方案是一个似乎不存在的包（Weird error message when tuning svm with polynomial kernel: "WARNING: reaching max number of iterations"）。我还检查了问题是否来自我的数据，但它们是标准化和平衡的，如这里所解释的（https://stats.stackexchange.com/questions/37669/libsvm-reaching-max-number-of-iterations-warning-and-cross-validation）.是否可以增加最大迭代次数？因为包含tune.svm的包e1071锁定了这个数字。但是，即使在cost超参数上只分配两个值，我也会得到warning。
1条答案
按热度按时间rqdpfwrv1#
我用这个答案更新了这个问题，因为我发现了一个更快的方法来防止每个警告。它只是用
train和trainControl函数来实现的。实际上，为了获得更快的调优，有必要选择随机搜索超参数，而不是网格。通过写这两行，调优svm超参数非常容易。字符串
在我的例子中，这个解决方案大约需要2分钟，而问题中的解决方案大约需要10/15分钟。唯一的缺点是我没有在经典的
train函数中找到sygmoid内核方法。