An Autotuning-based Optimization Framework for Mixed-kernel SVM Classifications in Smart Pixel Datasets and Heterojunction Transistors

要約

サポート ベクター マシン (SVM) は、その高精度、高次元データの処理能力、および多様なデータ ソースのモデリングにおける柔軟性により、科学および工学で広く使用されている最先端の分類方法です。
このペーパーでは、SVM のハイパーパラメータの範囲を定量化して最適な選択肢を特定するための自動チューニング ベースの最適化フレームワークを提案し、高エネルギーのスマート ピクセル データセット用にシグモイド カーネルとガウシアン カーネルの混合カーネルを備えた 2 つの SVM にそのフレームワークを適用します。
物理学 (HEP) および混合カーネル ヘテロ接合トランジスタ (MKH)。
私たちの実験結果は、SVM とカーネルのハイパーパラメータの最適な選択はアプリケーションやデータセットによって大きく異なり、混合カーネル SVM の高い分類精度には最適な選択肢を選択することが重要であることを示しています。
混合カーネル SVM でハイパーパラメータ C および coef0 を情報に基づいて選択しないと、精度が大幅に低下します。提案されたフレームワークは、SVM のハイパーパラメータの適切な範囲を効果的に定量化し、HEP で最高の精度 94.6\% を達成するための最適な選択肢を特定します。
MKH アプリケーションのチューニング時間は大幅に短縮され、最高の平均精度 97.2\% を実現します。

要約(オリジナル)

Support Vector Machine (SVM) is a state-of-the-art classification method widely used in science and engineering due to its high accuracy, its ability to deal with high dimensional data, and its flexibility in modeling diverse sources of data. In this paper, we propose an autotuning-based optimization framework to quantify the ranges of hyperparameters in SVMs to identify their optimal choices, and apply the framework to two SVMs with the mixed-kernel between Sigmoid and Gaussian kernels for smart pixel datasets in high energy physics (HEP) and mixed-kernel heterojunction transistors (MKH). Our experimental results show that the optimal selection of hyperparameters in the SVMs and the kernels greatly varies for different applications and datasets, and choosing their optimal choices is critical for a high classification accuracy of the mixed kernel SVMs. Uninformed choices of hyperparameters C and coef0 in the mixed-kernel SVMs result in severely low accuracy, and the proposed framework effectively quantifies the proper ranges for the hyperparameters in the SVMs to identify their optimal choices to achieve the highest accuracy 94.6\% for the HEP application and the highest average accuracy 97.2\% with far less tuning time for the MKH application.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google