sklearn.svm.SVC（） 参数说明

最近又遇到了sklearn里面的SVM包，又忘记了，所以记录一下里面的参数

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=None,random_state=None)

其中的参数含义：

1. C：惩罚参数，惩罚松弛变量，默认值是1.0。C值大，对训练集分类更加正确。对训练集测试时准确率很高，但泛化能力弱。C值小，对误分类的惩罚减小，允许容错，将他们当成噪声点，泛化能力较强。

2. kernel ：核函数，默认是rbf，可以是‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’

   0 – 线性：u’v
   1 – 多项式：(gamma*u’v + coef0)^degree
   2 – RBF函数：exp(-gamma|u-v|^2)
   3 –sigmoid：tanh(gammau’*v + coef0)

3. degree ：多项式poly函数的维度，默认是3，选择其他核函数时会被忽略。

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

5. coef0 ：核函数的常数项。对于‘poly’和 ‘sigmoid’有用。

6. probability ：是否采用概率估计。默认为False

7. shrinking ：是否采用shrinking heuristic方法，默认为true

8. tol ：停止训练的误差值大小，默认为1e-3

9. cache_size ：核函数cache缓存大小，默认为200

10. class_weight ：类别的权重，字典形式传递。设置第几类的参数C为weight*C(C-SVC中的C)

11. verbose ：允许冗余输出

12. max_iter ：最大迭代次数。-1为无限制。

13. decision_function_shape ：‘ovo’, ‘ovr’ or None, default=None3

14. random_state ：数据洗牌时的种子值，int值

主要调节的参数有：C、kernel、degree、gamma、coef0。