SVM(下):如何进行乳腺癌检测?

SVM(下):如何进行乳腺癌检测?

如何在sklearn中使用SVM

在Python的sklearn工具包中有SVM算法,首先引用工具包

from sklearn import svm

SVM可以做回归可以做分类器,当用SVM做回归的时候,使用SVR,当做分类器的时候,用的是SVC,SVC是个线性分类器,用于处理线性可分的数据,只能使用线性核函数,SVM就是通过核函数将样本从原始空间映射到一个更高维的特质空间中,使得样本在新的空间中线性可分。针对非线性的数据需要用到SVC,在SVC中既可以使用到线性核函数(进行线性划分),也能使用高维的核函数(进行非线性划分)。

如何创建一个SVM分类器?首先使用SVC的构造函数:model=svm.SVC(kernel='rbf',C=1.0,gamma='auto')三个重要参数kernel、C、gamma,kernel代表核函数的选择,默认rbf即高斯核函数

  • linear:线性核函数
  • poly:多项式核函数
  • rbf:高斯核函数
  • sigmoid:sigmoid核函数
  1. 线性核函数,是在数据线性可分的情况下使用的,运算速度快、效果好,但是它不能处理线性不可分的数据

  2. 多项式核函数可以将数据从低维空间映射到高维空间,但是参数多,计算量大

  3. 高斯核函数同样可以将样本映射到高维空间,相比于多项式核函数来说所需要的参数比较少,性能好,默认使用高斯核函数

  4. sigmoid核函数经常用于神经网络映射中,SVM实现的是多层神经网络

    除了第一种线性核函数外,其余都可以处理线性不可分数据

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系数,默认为1,当C越大的时候分类器的准确性越高,但同样容错率越低,泛化能力变差,C越小,泛化能力越强,准确性

  • 4
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值