SVM 参数调整过程实例

最新推荐文章于 2024-01-11 09:58:45 发布

关关雎鸠儿

最新推荐文章于 2024-01-11 09:58:45 发布

阅读量2.4k

点赞数 3

分类专栏： SVM

本文链接：https://blog.csdn.net/weixin_42260102/article/details/104944619

版权

这篇博客记录了SVM模型参数调整的过程，通过查看数据并尝试不同的参数组合，实现了准确率的显著提升。

摘要由CSDN通过智能技术生成

小彩笔的学习笔记

from sklearn.datasets import load_breast_cancer
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
import numpy as np
from time import time
import datetime
 
data = load_breast_cancer()
X = data.data
y = data.target
 
X.shape
np.unique(y)
 
plt.scatter(X[:,0],X[:,1],c=y)
plt.show()
 
Xtrain, Xtest, Ytrain, Ytest = train_test_split(X,y,test_size=0.3,random_state=420)

在这里插入图片描述

Kernel = ["linear","rbf","sigmoid"]
 
for kernel in Kernel:
    time0 = time()
    clf= SVC(kernel = kernel
             , gamma="auto"
            # , degree = 1
             , cache_size=5000
            ).fit(Xtrain