使用sklearn实现SVM

from sklearn.svm import LinearSVC
from sklearn.svm import SVC

性感官方，在线文档
性感官方，在线文档

参数

#线性SVC
penalty惩罚项l1 or l2，默认l2.
loss损失函数的选择，hinge or squared_hinge。
dual是否采用对偶方式求解，默认True。
tol停止迭代的阈值。
C 惩罚系数c,c越大，越容易过拟合，C越小，则泛化能力越强。
multi_class多分类时限方式，‘ovr’, ‘crammer_singer’
fit_intercept是否设置偏置b。
class_weight适用于类别不平衡。
max_iter最大迭代次数。

#非线性SVC
C 惩罚系数c,c越大，越容易过拟合，C越小，则泛化能力越强。
kernel核函数，可选linear, poly, rbf, Sigmod, precomputed(已经提供了一个核函数。
degress如果选择了多项式核函数，表示其p值。默认为3.
gamma 多项式，高斯（径向基），Sigmod核函数中的gamma值。
coef0多项式，Sigmod核函数中的r值。
tol停止迭代的阈值。
class_weight适用于类别不平衡。
max_iter最大迭代次数。
据说，主要使用rbf核，主要调节的参数是C和gamma。

方法

sklearn通用方法

属性

**support_vectors_**支持向量
**support_**支持向量的index