我对SVM中的命名有些困惑。我正在使用这个库 LibSVM。有许多可以设置的参数。有人知道哪个是松弛变量吗？谢谢

回答：

“松弛变量”在c-svm中是C，在nu-SVM中是nu。这两者在各自的公式中起到相同的作用——控制宽边界与分类错误之间的权衡。对于C，通常以数量级进行测试，比如10^-4, 10^-3, 10^-2，…到1, 5左右。nu是一个介于0和1之间的数字，通常从0.1到0.8，用于控制支持向量与数据点的比例。当nu为0.1时，边界较小，支持向量的数量将是数据点数量的一小部分。当nu为0.8时，边界非常大，大多数点将落在边界内。

其他需要考虑的是你选择的核函数（线性、RBF、Sigmoid、多项式）以及所选核函数的参数。通常需要进行大量实验来找到最佳的参数组合。然而，要注意避免对数据集过拟合。

Burges写了一篇很棒的教程：模式识别的支持向量机教程

但如果你主要只是想知道如何使用它，而不太关心它的工作原理，请阅读 Chih-Wei Hsu, Chih-Chung Chang 和 Chih-Jen Lin（libsvm的作者）写的《支持向量分类实用指南》