Weka フレームワークで SVM を使用しようとしています。だから私はLibsvmを使用しています。私はSVMを初めて使用し、GridSearchを使用してSVMの最適なパラメーター(コストとガンマ)を発見できるLibsvmのサイトのガイドを読んでいます。そこで、Weka で Grid Search を選択したところ、悪い分類結果が得られました (TN 率は約 1%)。では、これらの結果をどのように解釈すればよいでしょうか? 最適なパラメータを使用して悪い結果が得られた場合、より良い分類を得る機会はありませんか? つまり、グリッド検索は、SVM を使用して取得できる最良の結果を与えてくれますか?
私のデータセットは 1124 のインスタンス (89% の負のクラス、11% の正のクラス) で形成され、31 の属性があります (そのうちの 2 つは名目上のもので、他は数値です)。モデルをテストするために、データセット全体でクロス検証 (10 倍) を使用しています。GridSearch を使用しようとしました (各属性値を 0 と 1 の間で正規化し、機能を選択しませんでしたが、SVM 理論に従ってクラス値を 0 と 1 から 1 と -1 に変更しましたが、T はそれが役立つかどうかわかりません)。 : 1.0 ステップで 1 から 18 までのコストと、1.0 ステップで -5 から 10 までのガンマ。結果は感度93.6%、特異度64.8%ですが、計算には約1時間かかります!!
決定木と比較してより良い結果を得たいです。特徴選択 (Info Gain ランキング) + SMOTE オーバーサンプリング + コスト センシティブ ラーニングを使用して、感度 91%、特異度 80% を得ました。コストとガンマのすべての可能な範囲の値を試すことなく、SVM を調整する方法はありますか?