6

いくつかのさまざまなモデルを最適化していますが、そのうちの 1 つはパッケージを使用した RadialSVMcaretです。モデルに使用する最適なパラメーターを見つけるためにループを循環する準備として、調整グリッドを作成しています。

非常に役立つことの 1 つは、ある種のさまざまなインクリメント シーケンスです。たとえば、小さなステップで増加する小さなパラメーター値から始めたいと思います。大きくなればなるほど、大きな一歩を踏み出すことができます。小さなパラメータがモデルを大きく変えることがわかったので、もっと注意深く調べてみたいと思います。

たとえば、現在のステップの乗数によってシーケンスをインクリメントするのは素晴らしいことx <- x+5*xです。これは、既存のもの (の創造的な使用などseq()) で可能ですか、それともループを使用する必要がありますか?

4

2 に答える 2

8

このようなものはどうですか:

0.0001 * 6^(0:10)
#  [1]    0.0001    0.0006    0.0036    0.0216    0.1296    0.7776    4.6656
#  [8]   27.9936  167.9616 1007.7696 6046.6176
于 2012-08-27T05:29:12.833 に答える
2

指数分布を使用できます。

qexp((1:100)/100)

> qexp((1:100)/100)
  [1] 0.01005034 0.02020271 0.03045921 0.04082199 0.05129329 0.06187540 0.07257069 0.08338161
  [9] 0.09431068 0.10536052 0.11653382 0.12783337 0.13926207 0.15082289 0.16251893 0.17435339

必要に応じて違いが生じるように調整します。

 diff( 20* qexp((1:100)/100) )
 [1]  0.2030474  0.2051300  0.2072557  0.2094260  0.2116422  0.2139058  0.2162183  0.2185814
 [9]  0.2209967  0.2234660  0.2259911  0.2285739  0.2312164  0.2339208  0.2366892  0.2395238
于 2012-08-27T05:40:32.593 に答える