sklearn.svm.SVC中kernel參數說明
常用核函數
線性核函數kernel=‘linear’
採用線性核kernel='linear’的效果和使用sklearn.svm.LinearSVC實現的效果一樣,但採用線性核時速度較慢,特別是對於大數據集,推薦使用線性核時使用LinearSVC
多項式核函數kernel=‘poly’
degree代表d,表示多項式的次數
gamma爲多項式的係數,coef0代表r,表示多項式的偏置
注:coef0是sklearn.svm.SVC中的參數,詳情點擊SVC參數說明
徑向基核函數kernel=‘rbf’
可以將gamma理解爲支持向量影響區域半徑的倒數,gamma越大,支持向量影響區域越小,決策邊界傾向於只包含支持向量,模型複雜度高,容易過擬合;gamma越小,支持向量影響區域越大,決策邊界傾向於光滑,模型複雜度低,容易欠擬合;
gamma的取值非常重要,即不能過小,也不能過大
sigmod核函數kernel=‘sigmod’
coef0控制r,sigmod核函數是線性核函數經過tanh函數映射變化