SVC(C=1.0,cache_size=200,class_weight=None,coef0=0.0,decision_function_shape='ovr',degree=3,gamma='auto',kernel='rbf',max_iter=-1,probability=False,random_state=None,shrinking=True,tol=0.001,verbose=False)
参数:
C:惩罚参数,默认为1.0。
C越大,对误分类的惩罚增大,泛化能力弱。C越小,对误分类的惩罚减小,泛化能力强。
cache_size:核函数缓存大小,默认为200(MB)。
class_weight:每个类所占的权重,不同的类设置不同的惩罚参数C, 默认为缺省(自适应)。
coef0:核函数的常数项,当核函数为poly和sigmoid可用,默认为0.0。
decision_function_shape:处理多分类问题,一对一用ovo,一对多用ovr,默认为ovr。
degree:核函数的维度,当核函数为poly 可用,默认为3。
gamma:核函数的参数,当核函数为rbf、poly和sigmoid可用,默认为auto,自动设置为1/n_features(分类数)。
gamma越大,支持向量越少。gamma值越小,支持向量越多。
kernel:核函数,可选linear、poly、rbf、sigmoid、precomputed,默认为rbf。
max_iter:最大迭代次数,默认为-1(无限制)。
probability:是否采用概率估计,默认为False。
random_state:数据随机洗牌时的种子值,默认为缺省(使用np.random)。
shrinking:是否采用神秘方法(我是不懂-_-),默认为true。
tol:停止训练的容许度,默认为0.001。
verbose:允许详细输出,多线程不建议开启,默认为False。
主要调整的参数有:C、gamma和kernel。