qq_67925599的博客

原创 支持向量机“兵王问题”学习记录

nu-SVC 是一种与 C-SVC 类似的分类方法，但使用 nu 参数来表示支持向量的上限和下限，这是 C-SVC 中不存在的特性。nu 可以看作是一个在所有训练样本中被分类错误的样本和支持向量的比例的上限，也是支持向量所占的最小比例。与分类版本的 SVM 不同，epsilon-SVR 尝试预测一个连续的值，而不是一个离散的类标签。C 参数用于控制分类错误的惩罚，C 值越大，分类错误的惩罚就越大，使得模型尽可能正确地分类每个训练样本，但可能会过拟合。“-s”指的是SVM不同形式的选择。