我在使用WEKA/LibSVM训练一个术语提取系统的分类器。由于我的数据不是线性可分的，所以我使用了RBF核而不是线性核。
我参考了Hsu等人编写的指南，对c和gamma进行了多种值的迭代测试。用于分类已知术语的最佳参数（测试和训练材料当然不同）相当高，c=2^10和gamma=2^3。
到目前为止，这些高参数似乎工作得还不错，但我担心它们可能会在以后引起问题，特别是关于过拟合的问题。我计划通过提取新术语进行另一轮评估，但这需要人工评判，成本较高。
即使两次评估结果都呈阳性，我的参数是否仍然可能存在问题？我是否需要考虑使用其他类型的核？

非常感谢！

回答：

一般来说，你必须进行交叉验证来判断这些参数是否合适，或者是否会导致过拟合。

从“直觉”角度来看——这似乎是一个高度过拟合的模型。gamma的高值意味着你的高斯函数非常狭窄（集中在每个点周围），结合高C值会导致记忆大部分训练集。如果你检查支持向量的数量，我不会惊讶如果它占你全部数据的50%。另一种可能的解释是你没有对数据进行缩放。大多数机器学习方法，尤其是SVM，需要数据经过适当的预处理。这特别意味着你应该标准化输入数据，使其大致包含在单位球内。