svm核函数gamma参数_RBF SVM 参数解读 | gamma 和 C 如何对应模型表现

RBF 核函数：

直觉上来看，RBF 核函数的参数

(gamma)定义了单个样本的影响波及范围，gamma 比较小的话，其影响较小；gamma 比较大的话，影响范围较大。

刘建平老师的表达更为精妙：主要定义了单个样本对整个分类超平面的影响，当 比较小时，单个样本对整个分类超平面的影响比较小，不容易被选择为支持向量，反之，当 比较大时，单个样本对整个分类超平面的影响比较大，更容易被选择为支持向量，或者说整个模型的支持向量也会多。scikit-learn中默认值是1/样本特征数。

从物理的角度也可以进一步理解：

在效果上等同于

，

较大时，相当于下面正态分布中的

较小，此时样本分布较为集中，呈现出高瘦的曲线，一个样本对其周围的样本影响自然也就更大了。反之亦可推导出来。

不管是 SVC(分类)还是 SVR(回归)，参数 C 都是为了在模型准确率与模型复杂度之间取得一个平衡。SVC 和 SVR 的优化目标见下面。SVC 优化