1.SVM
Sklearn.svm.SVC参数设置
Sklearn.svm.SVC(C=1.0, kernel=’rbf’, degree=3, gamma=’auto’, coef0=0.0, shrinking=True, probability=False,tol=0.001, cache_size=200, class_weight=None, verbose=False, max_iter=-1, decision_function_shape=’ovr’,random_state=None)
C: float,optional(default=1.0)
错误项的惩罚参数C
Kernel:string,optional(default=’rbf’)
指定要在算法中使用的内核类型。 它必须是’linear’,‘poly’,‘rbf’,‘sigmoid’,‘precomputed’或者callable之一。 如果没有给出,将使用’rbf’。 如果给出可调用,则它用于从数据矩阵预先计算内核矩阵; 该矩阵应该是一个形状数组(n_samples,n_samples)。
degree: int,option(default=3)
多项式核函数的次数(‘poly’)。 被所有其他内核忽略。
gamma: float,optional(default:’auto’)
‘rbf’,‘poly’和’sigmoid’的核系数。 如果gamma是’auto’,那么将使用1 / n_features。
coef0:float,option(default:0.0)
核函数中的独立项。 它只在’poly’和’sigmoid