SVC参数调整

参数

• kernel
  • 可选参数
    • linear
      • 擅长处理线性数据（利用直线进行分类
    • rbf
      • 擅长处理偏非线性数据，但其在线性数据也有不错的表现
    • poly
      • 擅长处理偏线性数据（利用曲线进行分类）
    • sigmoid
      • 擅长处理非线性数据，用于多分类
  • 选择的原则
    • 由于许多高维度的数据它并不能可视化，所以无法通过数据的形状对分类器进行选取
    • 首先查看标签，利用遍历分类器的办法选择最佳的分类器
• degree
  • poly的特有参数，当处理线性问题的时，degree = 1，默认为3
• coef0
  • poly、sigmoid特有的参数，即在分类函数后面加一个常数，默认值为0，通过学习曲线来调整
• gamma
  • poly、sigmoid、rbf都具有的参数
    • [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jhFZ01dE-1682646976842)(data/user-data/509837/images/f899bc9b397dee4ec5457aab63b3b214.png)]
  • 可选参数
    • auto默认值
      • 自动使用1/(n_features)作为gamma的取值
    • scale
      • 则使用1/(n_features * X.std())作为gamma的取值
  • 利用学习曲线进行调整
• C
  • 用来平衡最大分界边际和训练准确率的参数
    • [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Wnm5jh6y-1682646976843)(data/user-data/509837/images/52d451109a8583f4647fa38be9e8db90.png)]
  • 默认值为1，必须大于0
  • C越大表示模型目标追求准确率，越小表述越追求边界面积
  • 利用学习曲线来调整