python机器学习之sklearn.svm.SVC详解
sklearn.svm.SVC(C=1.0, kernel=‘rbf’, degree=3, gamma=‘auto’, coef0=0.0, shrinking=True, probability=False,
tol=0.001, cache_size=200, class_weight=None, verbose=False, max_iter=-1, decision_function_shape=None,random_state=None)
参数:
C:C-SVC的惩罚参数C?默认值是1.0C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’
0– 线性:u’v1– 多项式:(gamma*u’*v + coef0)^degree
2– RBF函数:exp(-gamma|u-v|^2)
3–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=None
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
作者:青松666
链接:https://www.jianshu.com/p/b42b12176ef9
来源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
python机器学习之sklearn.svm.SVC详解相关推荐
- Python机器学习中的数学原理详解(补充勘误表)
数学是机器学习和数据科学的基础,任何期望涉足相关领域并切实领悟具体技术与方法的人都无法绕过数学这一关.在一篇题为<放弃幻想,搞AI必须过数学关>的网文中,作者一针见血地指出想从事AI相关工 ...
- python one hot编码_对python sklearn one-hot编码详解
one-hot编码的作用 使用one-hot编码,将离散特征的取值扩展到了欧式空间,离散特征的某个取值就对应欧式空间的某个点 将离散特征通过one-hot编码映射到欧式空间,是因为,在回归,分类,聚类 ...
- 机器学习笔记:支持向量机(SVM)详细推导以及sklearn.svm.SVC的简单简介
线性可分支持向量机: 举一个简单的例子: 我们需要将下面的圆圈和叉分开 这里存在无数多条线可以将圆圈和叉分开,因此,我们要规定一个性能指标,对于每一条线,都有对应的一个性能指标. 我们将每一条可以分开 ...
- python中的sklearn.svm.svr_支持向量机SVM--sklearn 参数说明
SVM(Support Vector Machine)支持向量机 1.SVM线性分类器 sklearn. svm. LinearsvC(penalty=12, loss=squared_hinge, ...
- python镜像下载包_python包详解
干货大礼包!21天带你轻松学Python(文末领取更多福利) 点击查看课程视频地址 本课程来自于千锋教育在阿里云开发者社区学习中心上线课程<Python入门2020最新大课>,主讲人姜伟. ...
- python机器学习库sklearn——多类、多标签、多输出
分享一个朋友的人工智能教程.零基础!通俗易懂!风趣幽默!还带黄段子!大家可以看看是否对自己有帮助:点击打开 全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程 Multiclass cl ...
- 图解机器学习算法(6) | 决策树模型详解(机器学习通关指南·完结)
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/34 本文地址:https://www.showmeai.tech/article-d ...
- 图解机器学习算法(13) | 聚类算法详解(机器学习通关指南·完结)
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/34 本文地址:https://www.showmeai.tech/article-d ...
- sklearn.svm.SVC中raise ValueError(“Unknown label type: %r” % y_type)ValueError: Unknown label type:处理
关于sklearn.svm.SVC中raise ValueError("Unknown label type: %r" % y_type)ValueError: Unknown l ...
最新文章
- 代码如何获取单反相机拍摄的照片_看看如何拍摄出更好的照片
- 如何看待Spring下单例模式与线程安全的矛盾
- vim常用命令使用总结
- python视频教学视频哪个好-Python入门视频哪个好?
- java泛型方法 通配符_Java泛型教程–示例类,接口,方法,通配符等
- Spring+jpaNo transactional EntityManager available
- 谷歌搜索技巧:搜索语法+隐藏彩蛋+高级设置
- java hashset 源码_Java集合:HashSet的源码分析
- 雷达多普勒频率计算公式_脉冲工作(机载雷达导论---读书笔记)
- spf13-vim安装与使用
- 深入理解JAVA集合系列二:ConcurrentHashMap源码解读
- 如何在 GitHub 上面精准搜索开源项目?
- py 生产csv文件_数据处理技巧 | glob 被忽略的超强文件批量处理模块
- Qt中undefined reference to报错的三种可能性和解决方法(以libgdal为例)
- jQuery阶梯手风琴图片布局
- H5+CSS+JS Tab导航栏自动切换
- 4G LTE浪潮何时席卷全球?
- Unity笔记-贝塞尔曲线
- 接口测试面试题汇总(含答案)
- 替代A4988的微型打印机驱动TMI8421国产电机驱动芯片