sklearn.svm.NuSVC

最新推荐文章于 2024-04-22 20:47:55 发布

尘归风

最新推荐文章于 2024-04-22 20:47:55 发布

阅读量2k

点赞数

分类专栏：机器学习笔记

本文链接：https://blog.csdn.net/icanx/article/details/96426423

版权

sklearn.svm.NuSVC是支持向量机的一种变体，其关键参数包括nu、kernel、degree、gamma等。nu决定了训练误差和支持向量的比例范围，通常在0到1之间。kernel选项允许使用不同的核函数，如'linear'、'poly'、'rbf'等。gamma参数影响'rbf'、'poly'和'sigmoid'核函数的行为。其他参数如shrinking、probability、cache_size和max_iter则分别控制收缩启发式、概率估计、内核缓存大小和求解器迭代次数。通过调整这些参数，可以优化NuSVC在非线性问题上的表现。

摘要由CSDN通过智能技术生成

class sklearn.svm.NuSVC(nu=0.5,
                        kernel=’rbf’, 
						degree=3, 
						gamma=’auto_deprecated’,
					    coef0=0.0, 
						shrinking=True, 
						probability=False, 
						tol=0.001, 
						cache_size=200, 
						class_weight=None, 
						verbose=False,
					    max_iter=-1,
						decision_function_shape=’ovr’, 
						random_state=None)

nu ： float，optional（默认值= 0.5）
训练误差分数的上限和支持向量分数的下限。应该在区间（0,1）。

kernel ： string，optional（default =‘rbf’）
指定要在算法中使用的内核类型。它必须是’linear’，‘poly’，‘rbf’，‘sigmoid’，‘precomputed’或者callable之一。如果没有给出，将使用’rbf’。如果给出了callable，则它用于预先计算内核矩阵。

degree ： int，可选（默认= 3）
多项式核函数的次数（‘