原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于Gridsearch对SVM分类器进行参数优化
在高通量数据分析过程中，数据挖掘已成为一种切实有效的分析方法，能够帮助我们在
海量数据中挖掘出其内在关联和显著的特征，因此在医疗，生物，，经济等多个领域都
有着广泛应用。支持向量机SVM是一种快速高效的分类器方法，在使用SVM分类器对数据
进行分类预测时，我们需要做两个重要的准备工作，第一是特征选择，第二是参数优化。特
征选择是指从海量特征中筛选出最显著的，对于分类贡献最大的特征，去除冗余和重复的特
征，从而达到降维和增加预测精度的目的，一般特征选择的方法有recursivefeature
elimination，逻辑回归，差异检验等；参数优化是指在分类过程中，由于技术偏见，不可避
免存在假阳性和假，因此需要对惩罚参数C，以及g进行优化，一般的优化方法
如方格优化，退火算法，遗传算法，贪婪算法等。这里我们介绍其中一种参数优化算法，grid
search。
首先导入数据为数据矩阵，如下表所示
sampleLumAlumAlumBlumBlumB
SLC7A81.48050.58210.15571.55581.1254
ZNF219-0.0858-0.0114-0.17451.08870.8736
UBP11.5792-0.2265-0.78370.804-0.4427
SH2D3A-0.27440.6792-1.12720.13490.8945
LOC389033-0.2401-0.4611-0.4171-0.37550.5063
参数优化的目的是为了让SVM分类器获得最高的预测效能，而评价预测效能的方法主要体
现在两个测度，即precision和recall。鱼和熊掌不可兼得，因此在精度和率之间我们往
往需衡和取舍，例如为了达到最大预测精度，往往需要在率上做一定的牺牲，而反
之如果想尽可能多的增加率，则精度不可避免会有所下降。也就是说，在参数优化过程
中，并没有一个“万能”的参数组合，而是根据我们的需要而定。这里我们分别以精度或召
回率为最高优先级进行SVM参数优化。优化后的结果如下图所示
ParameteroptimizationofSVMclassifierbasedonGrid
search
Intheprocessofhigh-throughputdataanalysis,datamininghasbecomeapracticalandeffective
analysismethodthatcanhelpusminetheintrinsiccorrelationandsignificantcharacteristicsofmassive
data.Therefore,itiswidelyusedinmanyfieldssuchasmedical,biology,physics,andeconomics.Support
vectormachine(SVM)isafastandefficientclassifiermethod.WhenusingtheSVMclassifiertoclassifyand
predictdata,weneedtodotwoimp
文档评论（0）