Chapter 9 SVM实践

1 SVM包的使用

从sklearn导入svm包

2 SVM的调参

c增大——泛化能力降低——精度提高——过渡带变窄

kernel——核函数，默认是rbf，可以是linear

gamma： rbf，poly 和sigmoid的核函数参数。默认是auto，则会选择1/n_features

ovo:one vs one ——>四个类别出现六个分类器

ovr（默认）:one vs rest——>四个类别出现四个分类器

3 不平衡数据的处理

改变权重大小

 然后通过图形来判断最合适的分类器

4 分类器指标

AUC（混淆矩阵）：

指标：

准确率

精确率

召回率

精确率和召回率的调和平均值

，β小则重视precision，反之重视recall。

5 SVM用于手写体数字分类

 训练数据存取

测试数据存取

 求得训练数据、测试数据的准确率，从而判断分类器的好坏以及过拟合情况。

6 支持向量回归：SVR

kernel：核函数，默认是rbf，还可以是linear、poly、sigmoid等等。

degree：int，默认3。多项式核函数的次数

gamma： rbf，poly 和sigmoid的核函数参数。默认是auto，则会选择1/n_features。

C：float，默认1.0，惩罚参数。