を使用して Python で SVM 分類器をトレーニングしました
clf = sklearn.svm.NuSVC(nu=0.05, probability=True, kernel='rbf')
clf.fit(points, classes)
そして、それは予測に最適です。次に、分類子のパラメーターを更新します。いくつかのポイントで分類が変更され (正の数からゼロに)、いくつかのポイントが追加されます。少ないとは、10000 件中 50 件以上を意味します。
それにもかかわらず、SVM 分類器が前のパラメーターから開始するように示唆するのは賢明だと思いました。これは、最良の解に非常に近いはずです。私は時々、分類器がランダムに非常に貧弱であるという問題を抱えています（フィッティングに失敗したと思います）。scikit-learn または libsvm でそうする方法はありますか?