目前我在 WEKA 工作，使用 SMO 分类器（SVM 的实现）。对于作业，我被要求使用多项式内核，并报告从 1 到 50 的度数的结果。我需要对过度拟合发表评论，我的理解是更高的度数会导致更高的过度拟合风险。（因此，使用 10 倍交叉验证的正确分类实例的百分比应该随着程度的增加而增加）。
我的直觉对于“第一”学位是正确的，导致学位 = 10 时的比率为 99.6%。但是，当我将度数设置为 50 时，WEKA 报告的比率为 9%。
这个比率怎么可能下降（而且下降这么多）？
具有多项式核的 SVM：高度奇怪的结果？
数据挖掘
机器学习
支持向量机
威卡
核心
2022-03-02 07:49:11
1个回答
将多项式内核次数设置为 50 可能会导致 SVM 严重过度拟合数据，这可以解释您所看到的 9%。增加度数有助于 SVM 进行适当的泛化，但是当您开始看到验证/测试准确度下降时，则 SVM 开始过度拟合。
其它你可能感兴趣的问题