古いご質問ですが回答がないことと、他の初心者の方の参考にもなるかと思いますので
グリッドサーチ
パラメータ調整
スケール選択
カーネル関数(?)の使い分け→RBFカーネル or 線形カーネルなど
などのワードを見つけました。
そこで、精度を上げるためにも色々と調整していきたいのですが、
・グリッドサーチとパラメータ選択は同じと考えてよいのでしょうか
質問の時に用語の統一をした方がよいです。「パラメータ調整」と「パラメータ選択」と用語が別れていますが、
あえて違う言葉としてそれぞれの意味を知りたいのか、単に表記揺れなのかが分かりません。今回の場合は後者と
思われますが。パラメータ選択のためにパラメータ調整をするくらいの意味かと思います。
グリッドサーチはパラメータ選択の一手法ですね。
ハイパーパラメータは連続値のものと離散値(飛び飛びの値)がありますが、理想的には全部試す!です。ただ
連続値を全部試すというのはあり得ないので選び方がいろいろあり、
- グリッドサーチ
- 碁盤の目状に文字通りグリッドを作成して探索する方法。0−1のハイパーパラメータであれば 0, 0.5, 1 とすることや、もっと大きな値もありうる場合は 1, 10, 100, 1000 と等間隔ではなく指数的に変える場合もあります
- ランダムサーチ
- ベイズ最適化
- ベイズ推定を用いながらハイパーパラメータを調整する方法です
補足:パラメータとありますが、正確に言いますとハイパーパラメータですね
機械学習モデルの外で与えるもの ハイパーパラメータ
機械学習モデル内部で自動調整するもの パラメータ
でパラメータ調整が必要なのは「ハイパーパラメータ」の方です。
・調整すべき要素はほかにもあるのでしょうか
学習データとテストデータの分け方が大きいです。学習したデータとテストデータの傾向が異なればせっかく学習モデルを作成しても予測が当たらない、となりますので。
クロスバリデーション、n-Hold、などのキーワードが出てきます。
また最近ではハイパーパラメータ自動調整やひっくるめて全部自動化しようとするAutoMLなども話題です。
・e1071でそれらのチューニングを行う方法を教えていただけないでしょうか
【初心者向け】SVMのパラメタチューニング
こんなところからでしょうか。
書籍ですとPythonになってしまいますが考え方を学ぶには下記の本などがちょうどよろしいかと
PythonではじめるKaggleスタートブック
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。