D 2002

Exploiting Sampling and Meta-learning for Parameter Setting for Support Vector Machines

KUBA, Petr; Pavel BRAZDIL; Carlos SOARES a Adam WOZNICA

Základní údaje

Originální název

Exploiting Sampling and Meta-learning for Parameter Setting for Support Vector Machines

Autoři

KUBA, Petr; Pavel BRAZDIL; Carlos SOARES a Adam WOZNICA

Vydání

Sevilla (Spain), Proc. of Workshop Learning and Data Mining associated with Iberamia 2002, VIII Iberoamerican Conference on Artificial Intellignce, s. 209-216, 2002

Nakladatel

University of Sevilla

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Kód RIV

RIV/00216224:14330/02:00006718

Organizační jednotka

Fakulta informatiky

Klíčová slova anglicky

SVM; Meta-learning; parameter setting

Štítky

Změněno: 27. 5. 2004 12:08, RNDr. Petr Kuba, Ph.D.

Anotace

V originále

It is a known fact that good parameter settings affect the performance of many machine learning algorithms. Support Vector Machines (SVM) and Neural Networks are particularly affected. In this paper, we concentrate on SVM and discuss some ways to set its parameters. The first approach uses small samples, while the second one exploits meta-learning and past results. Both methods have been thoroughly evaluated. We show that both approaches enable us to obtain quite good results with significant savings in experimentation time.

Návaznosti

MSM 143300003, záměr
Název: Interakce člověka s počítačem, dialogové systémy a asistivní technologie
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Interakce člověka s počítačem, dialogové systémy a asistivní technologie