参数C代表目标函数的惩罚系数,惩罚系数指的是分错样本时的惩罚程度,默认情况下为1.0。当C越大的时候,分类器的准确性越高,但同样容错率会越低,泛化能力会变差。相反,C越小,泛化能力越强,但是准确性会降低。
这里的的参数C就是SVM公式推导中的C。
如果C值设定比较大,那SVC可能会选择边际较小的,能够更好地分类所有训练点的决策边界,不过模型的训练时间也会更长。如果C的设定值较小,那SVC会尽量最大化边界,决策功能会更简单,但代价是训练的准确度。
而sklearn中逻辑回归的正则化系数则是公式推导中正则化系数的倒数,参数C是在损失函数的前面,通过调控损失函数本身的大小,来调节对模型的惩罚 。C越小,损失函数会越小,模型对损失函数的惩罚越重,正则化的效力越强。
二者的作用是是相同的
C越大,正则化能力就越弱
C越小,正则化能力就越强