文档章节

svm常用核函数介绍

o
 osc_z1hvg4cu
发布于 2018/04/24 16:36
字数 600
阅读 0
收藏 0

精选30+云产品,助力企业轻松上云!>>>

这里有一篇博文介绍了,每个核函数的用途:

https://blog.csdn.net/batuwuhanpei/article/details/52354822

 

 

在吴恩达的课上,也曾经给出过一系列的选择核函数的方法:

1、如果特征的数量大到和样本数量差不多,则选用LR或者线性核的SVM;

2、如果特征的数量小,样本的数量正常,则选用SVM+高斯核函数;

3、如果特征的数量小,而样本的数量很大,则需要手工添加一些特征从而变成第一种情况。

大牛对这3点的理解:

 

(1)如果特征维数很高,往往线性可分(SVM解决非线性分类问题的思路就是将样本映射到更高维的特征空间中),可以采用LR或者线性核的SVM;

(2)如果样本数量很多,由于求解最优化问题的时候,目标函数涉及两两样本计算内积,使用高斯核明显计算量会大于线性核,所以手动添加一些特征,使得线性可分,然后可以用LR或者线性核的SVM;

(3)如果不满足上述两点,即特征维数少,样本数量正常,可以使用高斯核的SVM。

 

 

SVC参数解释: 

(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; 

(2)kernel:参数选择有RBF, Linear, Poly, Sigmoid, 默认的是"RBF"; 

(3)degree:if you choose 'Poly' in param 2, this is effective, degree决定了多项式的最高次幂; 

(4)gamma:核函数的系数('Poly', 'RBF' and 'Sigmoid'), 默认是gamma = 1 / n_features; 

(5)coef0:核函数中的独立项,'RBF' and 'Poly'有效; 

(6)probablity: 可能性估计是否使用(true or false); 

(7)shrinking:是否进行启发式; 

(8)tol(default = 1e - 3): svm结束标准的精度; 

(9)cache_size: 制定训练所需要的内存(以MB为单位); 

(10)class_weight: 每个类所占据的权重,不同的类设置不同的惩罚参数C, 缺省的话自适应; 

(11)verbose: 跟多线程有关,不大明白啥意思具体; 

(12)max_iter: 最大迭代次数,default = 1, if max_iter = -1, no limited; 

(13)decision_function_shape : ‘ovo’ 一对一, ‘ovr’ 多对多  or None 无, default=None 

(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。 

注意:(7),(8),(9)一般不考虑。

 

 

 

 

 

 


 

o
粉丝 0
博文 500
码字总数 0
作品 0
私信 提问
加载中
请先登录后再评论。

暂无文章

我们一定会在人生的更高处相见的

2020.6.7 我知道没人会看到 2021.6.7 我再来写下 每天进步一点点 一年后我就是不一样的我 你也是。 高考加油!

osc_9oidllr2
6分钟前
0
0
esp8266物联网开发一:MicroPython初战江湖

用esp8266做的物联网开发,涉及到固件烧写,固件擦除,代码编写等方面,做一一记录。 1. 固件烧写 首先,下载固件烧写工具:https://www.espressif.com/sites/default/files/tools/flash_dow...

osc_s2b5kacl
7分钟前
0
0
获小黄衫有感

这个作业属于哪个课程 https://edu.cnblogs.com/campus/fzu/2020SpringW/ 一、与软工的开始 在选课的时候咨询学长意见,听上届学长说这门课会有寒假作业,心里很忐忑,又抱有侥幸心理——可能...

osc_r5t7sskd
8分钟前
0
0
ppt 视频不显示控制条

1 正常解决方法 2 如果还不能显示可能是ppt是兼容模式,另存为非兼容模式就好了 后缀是.ppt 现存就好了

osc_hzf6peqc
10分钟前
0
0
五笔经常打不出来的字:温故而知新

遍 ynmp 凸凹 hgmm 凸 hgm 凹mmgd

osc_iy56i6w3
11分钟前
0
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部