python机器学习库sklearn之支持向量机svm介绍tcB太阳2平台注册|网站分类目录
python数据挖掘系列教程tcB太阳2平台注册|网站分类目录
这里只讲述sklearn中如何使用svm算法进行分类tcB太阳2平台注册|网站分类目录
sklearn.svm模块提供了很多模型供我们使用svm python 代码实现，本文使用的是svm.SVC，它是基于libsvm实现的。tcB太阳2平台注册|网站分类目录
tcB太阳2平台注册|网站分类目录
C：惩罚项，float类型，可选参数，默认为1.0，C越大，即对分错样本的惩罚程度越大，因此在训练样本中准确率越高，但是泛化能力降低，也就是对测试数据的分类准确率降低。相反，减小C的话，容许训练样本中有一些误分类错误样本，泛化能力强。对于训练样本带有噪声的情况，一般采用后者，把训练样本集中错误分类的样本作为噪声。tcB太阳2平台注册|网站分类目录
kernel：核函数类型，str类型，默认为’rbf’。可选参数为：tcB太阳2平台注册|网站分类目录
‘linear’：线性核函数 ‘poly’：多项式核函数 ‘rbf’：径像核函数/高斯核 ‘sigmod’：sigmod核函数 ‘precomputed’：核矩阵。precomputed表示自己提前计算好核函数矩阵，这时候算法内部就不再用核函数去计算核矩阵，而是直接用你给的核矩阵，核矩阵需要为n*n的。tcB太阳2平台注册|网站分类目录
degree：多项式核函数的阶数，int类型，可选参数，默认为3。这个参数只对多项式核函数有用，是指多项式核函数的阶数n，如果给的核函数参数是其他核函数，则会自动忽略该参数。tcB太阳2平台注册|网站分类目录
gamma：核函数系数，float类型，可选参数，默认为auto。只对’rbf’ ,’poly’ ,’sigmod’有效。如果gamma为auto，代表其值为样本特征数的倒数，即1/n_features。tcB太阳2平台注册|网站分类目录
coef0：核函数中的独立项，float类型，可选参数，默认为0.0。只有对’poly’ 和,’sigmod’核函数有用，是指其中的参数c。tcB太阳2平台注册|网站分类目录
probability：是否启用概率估计，bool类型，可选参数，默认为False，这必须在调用fit()之前启用，并且会fit()方法速度变慢。tcB太阳2平台注册|网站分类目录
shrinking：是否采用启发式收缩方式，bool类型，可选参数，默认为True。tcB太阳2平台注册|网站分类目录
tol：svm停止训练的误差精度，float类型，可选参数，默认为1e^-3。tcB太阳2平台注册|网站分类目录
cache_size：内存大小，float类型，可选参数，默认为200。指定训练所需要的内存，以MB为单位，默认为200MB。tcB太阳2平台注册|网站分类目录
class_weight：类别权重，dict类型或str类型，可选参数，默认为None。给每个类别分别设置不同的惩罚参数C，如果没有给，则会给所有类别都给C=1svm python 代码实现，即前面参数指出的参数C。如果给定参数’balance’，则使用y的值自动调整与输入数据中的类频率成反比的权重。tcB太阳2平台注册|网站分类目录
verbose：是否启用详细输出，bool类型，默认为False，此设置利用libsvm中的每个进程运行时设置，如果启用，可能无法在多线程上下文中正常工作。一般情况都设为False，不用管它。tcB太阳2平台注册|网站分类目录
max_iter：最大迭代次数，int类型，默认为-1，表示不限制。tcB太阳2平台注册|网站分类目录
decision_function_shape：决策函数类型，可选参数’ovo’和’ovr’，默认为’ovr’。’ovo’表示one vs one，’ovr’表示one vs rest。tcB太阳2平台注册|网站分类目录
random_state：数据洗牌时的种子值，int类型，可选参数，默认为None。伪随机数发生器的种子,在混洗数据时用于概率估计。tcB太阳2平台注册|网站分类目录
其实，只要自己写了SMO算法，每个参数的意思，大概都是能明白的。tcB太阳2平台注册|网站分类目录
SVC很是强大，我们不用理解算法实现的具体细节，不用理解算法的优化方法。同时，它也满足我们的多分类需求。编写代码如下：tcB太阳2平台注册|网站分类目录
