SVM算法中kernel属性

sklearn.svm.SVC中kernel参数说明

常用核函数
线性核函数kernel=‘linear’
多项式核函数kernel=‘poly’
径向基核函数kernel=‘rbf’
sigmod核函数kernel=‘sigmod’
常用核函数

线性核函数kernel=‘linear’

采用线性核kernel='linear’的效果和使用sklearn.svm.LinearSVC实现的效果一样,但采用线性核时速度较慢,特别是对于大数据集,推荐使用线性核时使用LinearSVC

多项式核函数kernel=‘poly’

degree代表d,表示多项式的次数
gamma为多项式的系数,coef0代表r,表示多项式的偏置
注:coef0是sklearn.svm.SVC中的参数,详情点击SVC参数说明

径向基核函数kernel=‘rbf’

可以将gamma理解为支持向量影响区域半径的倒数,gamma越大,支持向量影响区域越小,决策边界倾向于只包含支持向量,模型复杂度高,容易过拟合;gamma越小,支持向量影响区域越大,决策边界倾向于光滑,模型复杂度低,容易欠拟合;
gamma的取值非常重要,即不能过小,也不能过大

sigmod核函数kernel=‘sigmod’

原文:https://blog.csdn.net/qq_37007384/article/details/88418256

你可能感兴趣的:(数据,可视化,python,基础知识)