sklearn.svm.SVC

sklearn.svm.SVC

部分参考官方文档

1、api

class sklearn.svm.SVC(C=1.0, 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)

其中degree, gamma, coef0是kernel的参数，具体说明如下：

2、参数和“返回”值

参数

C	svm的参数，参见svm的理论公式
kernel	内核函数，有以下几种，对应上面图片的公式 ‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’ or a callable
degree	poly-kernel的幂指数
gamma	常用“auto”
coef0	在poly和sigmid中使用，默认为0
shrinking	是否使用收缩启发
probablity	是否启用概率估计
tol	误差的tolerance，给定迭代次数，最后几次的差值大于这个值，会给出警告（没有收敛）
cache_size	指定核cache的大小
calss_weight	把类别i的系数C，设置为calss_weight[i]*C， 是字典型变量
verbose	启用详细输出（我一般没用过）
max_iter	最大的迭代次数
decision_function_shape	“ovo" one-to-one类型 "ovr" one-to-rest类型
randon_state	随机数状态

“返回”值

（并不是返回，只是执行完以后，可以调用）

support_	支持向量的索引
support_vectors_	支持向量
n_support_	每个类中支持向量的个数
dual_coef_	支持向量的系数
coef_	分配给特征的系数，只用于linear kernel
intercept_	决策函数中的常数
fit_status_	喂进数据的状态

3、方法

4、应用

1、原始数据：

2、预测的数据：

3、画出边界线

该项目可以在我的github下载，点这里