1 SVM包的使用
从sklearn导入svm包
2 SVM的调参
c增大——泛化能力降低——精度提高——过渡带变窄
kernel——核函数,默认是rbf,可以是linear
gamma: rbf,poly 和sigmoid的核函数参数。默认是auto,则会选择1/n_features
ovo:one vs one ——>四个类别出现六个分类器
ovr(默认):one vs rest——>四个类别出现四个分类器
3 不平衡数据的处理
改变权重大小
然后通过图形来判断最合适的分类器
4 分类器指标
AUC(混淆矩阵):
指标:
准确率
精确率
召回率
精确率和召回率的调和平均值
,β小则重视precision,反之重视recall。
5 SVM用于手写体数字分类
训练数据存取
测试数据存取
求得训练数据、测试数据的准确率,从而判断分类器的好坏以及过拟合情况。
6 支持向量回归:SVR
kernel:核函数,默认是rbf,还可以是linear、poly、sigmoid等等。
degree:int,默认3。多项式核函数的次数
gamma: rbf,poly 和sigmoid的核函数参数。默认是auto,则会选择1/n_features。
C:float,默认1.0,惩罚参数。