SKlearn中的svm超参数总结

SKlearn中好多机器学习模型已经做好了,使用的时候直接调用就可以,俗称“调包侠”,我觉得挺有意思,这样大大降低了机器学习的门槛,最近几天一直在使用svm训练模型,其中数据样本不均衡以及打分一直上不去,特征工程也调了好久,现在开始对svm的一些参数进行调试,看看模型会不会变得更好。

  1. SVC参数解释 
  2. (1)C: 目标函数的惩罚系数C,用来平衡分类间隔margin和错分样本的,default C = 1.0; 
  3. (2)kernel:参数选择有RBF, Linear, Poly, Sigmoid, 默认的是"RBF"; 
  4. (3)degree:if you choose 'Poly' in param 2, this is effective, degree决定了多项式的最高次幂; 
  5. (4)gamma:核函数的系数('Poly', 'RBF' and 'Sigmoid'), 默认是gamma = 1 / n_features; 
  6. (5)coef0:核函数中的独立项,'RBF' and 'Poly'有效; 
  7. (6)probablity: 可能性估计是否使用(true or false); 
  8. (7)shrinking:是否进行启发式; 
  9. (8)tol(default = 1e - 3): svm结束标准的精度; 
  10. (9)cache_size: 制定训练所需要的内存(以MB为单位); 
  11. (10)class_weight: 每个类所占据的权重,同的类设置同的惩罚参数C, 缺省的话自适应; 
  12. (11)verbose: 跟多线程有关,大明白啥意思具体; 
  13. (12)max_iter: 最大迭代次数,default = 1, if max_iter = -1, no limited; 
  14. (13)decision_function_shape : ‘ovo’ 一对一, ‘ovr’ 多对多  or None 无, default=None 
  15. (14)random_state :用于概率估计的数据重排时的伪随机数生成器的种子。 

  16. 提示:7,8,9一般考虑。 
明白了这些可以选择调整的超参数,后续我们可以尝试在特征工程和超参数调整使得模型训练的更好。
  • 11
    点赞
  • 48
    收藏
  • 打赏
    打赏
  • 0
    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
©️2022 CSDN 皮肤主题:编程工作室 设计师:CSDN官方博客 返回首页
评论

打赏作者

Soyoger

听说打赏的都进了福布斯排行榜。

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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、C币套餐、付费专栏及课程。

余额充值