基于AUC的SVM多类分类算法的优化的任务书.docx

基于AUC的SVM多类分类算法的优化的任务书
任务简述：
本任务旨在基于AUC（AreaUndertheROCCurve）评价指标，优化SVM多类分类算法的性能，提高分类的准确性和泛化能力。
任务步骤：
1.收集多类分类数据集并划分数据集：本任务需要收集不少于3个具有多类分类任务的数据集，并根据7:3的比例划分训练集和测试集。并将训练集和测试集进行交叉验证，并输出数据集划分结果。
2.基于AUC的SVM多类分类算法构建：本任务需要进行SVM多类分类模型的构建和优化。通过调节SVM的核函数、惩罚参数C等参数进行优化，同时评估模型在测试集上的AUC，并进行输出。
3.模型评估与比较：本任务需要对SVM多类分类模型和优化模型进行评估比较，需要比较模型的准确率、AUC值、平衡准确率等性能指标，并绘制相应的ROC曲线、学习曲线、验证曲线等来比较不同模型的表现。
4.结果分析与总结：本任务需要对比较结果进行分析，总结模型优化的成效、考虑优化模型的不足之处，进一步总结和反思本次实验的心得与体会。
参考文献：
1.YuBin,ShenHao.SVM’sOptimizingResearchonMulticlassClassification[C].（中文）
2.LiuChang,GaoYingzi,ZhouXiaolong.ImprovedmulticlassclassificationalgorithmbasedonSVMandAUCvalues[J].ComputerEngineeringandApplications,2014,50(14):135-139.
3.PengWenbin.StudyonOptimizedMulti-classSVMClassificationAlgorithmandItsApplicationinWebImageClassification[D].（中文）