机器学习之sklearn——SVM

sklearn包对于SVM可输出支持向量，以及其系数和数目：

print '支持向量的数目: ', clf.n_support_

print '支持向量的系数: ', clf.dual_coef_

print '支持向量:', clf.support_

 

 处理不平衡数据常用方法：将少数类的数据权值加重

sklearn中的SVM分类问题加入权重可以通过class_weight属性
clfs = [svm.SVC(C=1, kernel='linear', decision_function_shape='ovr'),
        svm.SVC(C=1, kernel='linear', decision_function_shape='ovr', class_weight={-1: 1, 1: 50}),
        svm.SVC(C=0.8, kernel='rbf', gamma=0.5, class_weight={-1: 1, 1: 2}, decision_function_shape='ovr'),
        svm.SVC(C=0.8, kernel='rbf', gamma=0.5, class_weight={-1: 1, 1: 10}, decision_function_shape='ovr'),
        ]

图像的像素灰度值是0-255，0表示黑，255表示白

SVM能处理回归问题svm.SVR

sklearn提供了调参的函数sklearn.grid_search.GridSearchCV:

 

 

 

转载于:https://www.cnblogs.com/lvtianqi/p/6224110.html