با سلام به همه دوستان
دانشجوی دکتری استخراج معدن هستم و چندوقته روی موضوع استفاده از ماشین بردار پشتیبان رگرسیونی دارم کار میکنم. در این رابطه برای تعیین پارامترها از الگوریتمهای فراابتکاری مثل بهینه سازی فاخته و رقابت استعماری استفاده میکنم. همچنین توی قسمت آموزش از روش cross-validation نوع k-fold استفاده میکنم. با توجه به مقاله هایی که توی رشته خودم مطالعه کردم، نتایج من خیلی خوب نیست. برای همین شدیدا به کار خودم شک کردم و چندتا سوال توی این زمینه برام به وجود اومده:
۱- من تابع هدف برای الگوریتمهای بهینه سازی رو قسمت آموزش SVR قرار دادم.به این صورت که در نهایت مقدار RMSE میانگین (برای روش ۱۰fold) مقداری کمینه بشه.تا اینجاش درسته؟
۲-بعداز اینکه مقادیر بهینه ۳پارامتر C,epsilon,sigma مشخص شد یه مشکلی وجود داره برای قسمت آزمون مدل. وقتی از روش ۱۰fold استفاده کردم، در حقیقت چرخه آموزش ۱۰ بار تکرار میشه و در نهایت مقدار RMSE میانگین برای ۱۰ دور آموزش به حداقل میرسه.درست؟ خب یعنی ۱۰تا پارامتر بایاس B به دست میاد. حالا برای قسمت آزمون باید میانگین این مقادیر بایاس رو در رابطه قرار داد؟