1、SVM有两种作用:分类和回归,分类是用SVC,回归用SVR。

2、SVC:(中文官网)

重点在svm.SVC(),fit(X,Y),以及SVC中的参数。

sklearn学习1----sklearn.SVM.SVC-LMLPHP

3、SVC参数:

①C,C是控制软间隔中的松弛变量是否起作用,C越大表明越宽松,对松弛变量更容忍,C越小越严格,等于0时表示不允许有数据在支持向量之间。

②kernel,核函数,kernel='rbf'表示高斯核函数(也就是径向基),kernel=‘linear'表示线性。

③gamma,只有kernel='rbf’时才有这个,gamma控制kernel的泛化能力,若gamma越小则决策边界越精简,泛化能力越强。gamma值越大表示决策边界越复杂,则泛化能力越弱。如下图所示。

sklearn学习1----sklearn.SVM.SVC-LMLPHP

05-21 09:43