sklearn.svm.SVC
2017-11-12 12:55
381 查看
参数说明
sklearn.svm.SVC(C=1.0, kernel=’rbf’, degree=3, gamma=’auto’, coef0=0.0, shrinking=True, probability=False, tol=1e-3, cache_size=200, class_weight=None, verbose=False, max_iter=-1, decision_function_shape=None, random_state=None):C:C-SVC的惩罚参数C?默认值是1.0
C越大,相当于惩罚松弛变量,希望松弛变量接近0,即对误分类的惩罚增大,趋向于对训练集全分对的情况,这样对训练集测试时准确率很高,但泛化能力弱。C值小,对误分类的惩罚减小,允许容错,将他们当成噪声点,泛化能力较强。
kernel:核函数,默认是rbf,可以是’linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’
– 线性:u’v
– 多项式:(gamma*u’*v + coef0)^degree
– RBF函数:exp(-gamma|u-v|^2)
–sigmoid:tanh(gamma*u’*v + coef0)
degree :多项式poly函数的维度,默认是3,选择其他核函数时会被忽略。
gamma : ‘rbf’,‘poly’ 和‘sigmoid’的核函数参数。默认是’auto’,则会选择1/n_features
coef0 :核函数的常数项。对于‘poly’和 ‘sigmoid’有用。
probability :是否采用概率估计?.默认为False
shrinking :是否采用shrinking heuristic方法,默认为true
tol :停止训练的误差值大小,默认为1e-3
cache_size :核函数cache缓存大小,默认为200
class_weight :类别的权重,字典形式传递。设置第几类的参数C为weight*C(C-SVC中的C)
verbose :允许冗余输出?
max_iter :最大迭代次数。-1为无限制。
decision_function_shape :‘ovo’, ‘ovr’ or None, default=None3
random_state :数据洗牌时的种子值,int值
主要调节的参数有:C、kernel、degree、gamma、coef0。
相关文章推荐
- sklearn中 svm.SVC 函数使用方法和参数说明
- 关于sklearn.svm.SVC与.NuSVC的区别以及参数介绍
- sklearn.svm.SVC 参数说明
- sklearn.svm.SVC 参数说明
- 如何使用sklearn中的SVM(SVC;SVR)
- sklearn.svm.SVC 参数说明
- sklearn中的svm.SVC
- SVM基本概要与sklearn.svm.svc 参数说明
- sklearn通过OneVsRestClassifier实现svm.SVC的多分类
- sklearn.svm.SVC 参数说明
- sklearn.svm.SVC 参数说明
- sklearn.svm.SVC 参数说明
- sklearn.svm.SVC的方法decision_function_shape:ovr 或者 ovo
- sklearn.svm.SVC 参数说明
- sklearn学习-SVM例程总结3(网格搜索+交叉验证——寻找最优超参数)
- sklearn:SVM
- 支持向量机——sklearn 实现支持向量机(SVM)
- sklearn中SVM简单使用
- C_SVC推导(经典的SVM模型)
- 机器学习教程之9-SVM的sklearn实现