sklearn.svm.LinearSVC文档学习

https://scikit-learn.org/stable/modules/generated/sklearn.svm.LinearSVC.html#sklearn.svm.LinearSVC

1.类定义

class sklearn.svm.LinearSVC(penalty=’l2’, loss=’squared_hinge’, dual=True, 
tol=0.0001, C=1.0, multi_class=’ovr’, fit_intercept=True, intercept_scaling=1, 
class_weight=None, verbose=0, random_state=None, max_iter=1000)

 这样会创建一个类，并且类中除了目前创建时的参数还有方法。

1.1类的方法

1.2类的属性

 

2.定义参数说明

penalty	string, ‘l1’ or ‘l2’ (default=’l2’)	指明在惩罚中使用的范数。
loss	string, ‘hinge’ or ‘squared_hinge’ default=’squared_hinge’)	指明损失函数，hinge时SVM中标准损失函数
dual	bool, (default=True)	选择要解决对偶优化问题还是原始优化问题的算法。当样本数>特征数时最好=False
tol	可选  float, optional (default=1e-4)	Tolerance for stopping criteria.
C	可选float, optional (default=1.0)	错误项的惩罚参数C。
multi_class	string, ‘ovr’ or ‘crammer_singer’  default=’ovr’)	ovr训练n个一对多分类器，cram优化所有类别的联合目标（很少选择，代价太高）
fit_intercept	可选boolean, optional (default=True)	是否计算截距，如果是False，那么不计算（比如数据已经中心化）
intercept_scaling	可选 float, optional (default=1)	在使用fit_intercept后使用
max_iter	int, (default=1000)	要运行的最大迭代次数

3.

 

转载于:https://www.cnblogs.com/BlueBlueSea/p/10444017.html