支持向量机-svm

SVM是支持向量机(Support Vector Machine)的简称。

SVM具有分类功能(SVC，C是Classification(分类)的首字母);

也具有回归功能(SVR，R是Regression(回归)的首字母)。

python中SVC函数使用：

clf = svm.SVC(C=0.8, kernel='rbf', gamma=20, decision_function_shape='ovr')

clf.fit(x_train, y_train.ravel())

1）c:正则化系数

2）Kernel:核函数

作用：核函数的引入是为了解决线性不可分的问题，讲分类点映射的高维空间中以后，转化为可线性分割的问题。

kernel=‘linear’时，为线性核

kernel='rbf'时，径向基函数，为高斯核，gamma值越小，分类界面越连续；gamma值越大，分类界面越“散”，分类效果越好，但可能会过拟合；

kernel='poly'：多项式核

kernel=sigmoid’：Sigmoid核函数

3）decision_function_shape参数

decision_function_shape='ovr'时，为one v rest,即一个类别与其他ov类别进行划分；

decision_function_shape='ovo'时，为one v one,即将类别两两进行划分，用二分类的方法模拟多分类的结果；

#预测

y_ = svc.predict(X_test)

计算SVC分类器的准确率

print clf.score(x_train, y_train) # 精度