如何使用python多次训练SVM分类器？

Question

支持向量机分类器可以多次训练吗？所以我不会在再次运行时手动更改参数

这是我目前为止训练模型的代码：

    dictionary = make_Dictionary(TRAIN_DIR)

    print("reading and processing emails from file.")

    features_matrix, labels = extract_features(TRAIN_DIR, dictionary)
    test_feature_matrix, test_labels = extract_features(TEST_DIR, dictionary)

    model = svm.SVC(kernel="poly", degree= 4, C = 0.9)



    print("Training Model")

    #train model
    model.fit(features_matrix, labels)

    predicted_labels = model.predict(test_feature_matrix)

    print("FINISHED classifying. accuracy score : ")

    print (accuracy_score(test_labels, predicted_labels))

Answer 1

我的建议是创建要测试的参数列表，然后通过for循环运行它们。假设您要在四个不同的参数集上测试所有内容（请原谅，如果值不是您希望的，可以更改它们，只是为了说明这一点而创建的）：

degreeArr = [3,4,5,6]
CArr = [0.7,0.8,0.9,1]

我假设这是你唯一想搞乱的两个参数。然后可以编写for循环：

^{pr2}$

请注意，所做的唯一更改是对模型的更改，因此其余代码保持不变（但必须包含在for循环中）。另一个注意事项是CArr和degreeArr将只在数组中使用它们的匹配索引进行测试，因为它不是用double for循环来完成的。如果您想测试这两个数组中所有可能的组合，只需添加另一个for循环，并对模型进行一个小的调整：

for x in range(len(degreeArr)):
  for i in range(len(CArr)):
    model = svm.SVC(kernel='poly', degree=degreeArr[x], C=CArr[i])

其余的代码将保持不变，就像通过一个for循环完成一样。在

让我知道如果这有帮助！在