sklearn-AdaBoost

[toc]

线性SVM

class sklearn.svm.LinearSVC(penalty='l2',c=1.0,loss='squared_hinge',fit_intercept=True,class_weight=None,max_iter=1000,tol=0.0001,multi_class='ovr',dual=True,intercept_scaling=1)

参数

penalty正则化项
c 正则化权重，惩罚系数的导数
loss损失函数类型
Hinge合页损失
squared_hinge 合页损失函数的平方，默认
fit_intercept
class_weight 若样本不均衡，设定balanced表示类别的权重与其出现的频率相反
max_iter
tol
multi_class多分类策略
dual
intercept_scaling

属性

coef_权重向量
intercept_

方法

fit(X_train,y_train)
score(X_test,y_test)
predict(X)

非线性SVM

class sklearn.svm.SVC(c=1.0,kernel='rbf',degree=3,gamma='auto','coef0'=0.0,tol=0.001,'class_weight=None',max_iter=-1)

参数

kernel 核函数类型
linear 线性
poly 多项式
rbf 高斯核函数
Sigmoid 多层感知机
precomputed 表示已经提供一个kernel矩阵
degree核函数为多项式时，指定p,默认3
gamma多项式核函数和高斯核函数的系数，其他核函数时，忽略
coef0核函数为poly或者Sigmoid时，指定r值
###　属性
support_支持向量的下标
support_vectors_支持向量
n_support_每一个分类支持向量的个数
coef_用于输出线性回归模型的权重向量w
intercept_ 线性回归的偏置常数

方法

predict_proba(X)
predict_log_proba(X)

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 jaytp@qq.com