一、先对资料进行预处理,再进行一次,若仍有较差的准确度,则按第2步骤执行; 二、观察(特性工程)训练集合的准确性; 若训练集合的准确率较低,则该模型的拟合不足。因此,数据特征维度、样本总数和模型复杂性都必须提高。 当训练集合具有较高的准确度,而检验集合的准确性较差时,则模型过拟合。这样就必须减少数据的维数,减少模型的复杂性。 三、采用网格搜索、学习曲线等方式对 SVM超参数进行优化; 四、试着把模型做出来;(整合) 五、以上的都做了,如果精度不够,可以考虑更换。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。