Hi,
ich hatte einen eigenen SVM algorithmus geschrieben, mit dem ich meine
Daten (krank ja/nein gegen diagnostische Parameter) leidlich
klassifizieren kann. Komme auf 34% error bei 50% Chance-Level. Jetzt
gibt es im neuen Matlab ja eine eingebaute SVM-Funktion für die Dummen.
svmtrain und svmclassify. Komischerweise ist die Performance aber
totaler Mist. Das Trainingsset wird zu 100% gefittet (wie bei meinem
auch) aber im Testset hab ich wieder 50% Fehler. Zufall halt. Nehme ich
statt dem Standardkernel (linear) den Gauss-Kernel, bekomme ich nur noch
positive Resultate, also ebenfalls 50% Fehler, aber nicht mehr zufällig.
Hat jemand Erfahrung damit? Hab schon versucht noch vorhe zu
normalisieren, bringt nix. Und aufgrund der hohen Dimensionalität (450)
kann man auch nix plotten... Die Beispiele von Matlab funktionieren
jedenfalls.