网站建设项目实训报告书,app的好处与弊端,电销系统,昆山网站建设公司支持向量机 概念 是supported vector machine#xff08;支持向量机#xff09;#xff0c;即寻找一个超平面使样本分成两类#xff0c;且间隔最大分类 分类 硬间隔 若样本线性可分#xff0c;且所有样本分类正确情况下#xff0c;寻找最大间隔#xff0c;即硬间隔 若…支持向量机 概念 是supported vector machine支持向量机即寻找一个超平面使样本分成两类且间隔最大分类 分类 硬间隔 若样本线性可分且所有样本分类正确情况下寻找最大间隔即硬间隔 若出现异常值或样本不能线性可分则无法实现 软间隔 允许部分样本在最大间隔之间甚至在错误的一边寻找最大间隔即软间隔 目标是尽可能保持间隔宽阔和限制间隔违例之间找到良好平衡 核函数Kernel 将原始输入空间映射到新的特征空间使得原本线性不可分样本在核空间可分
SVMAPI class sklearn.svm.LinearSVC(C1) C惩罚参数类似于线性回归中正则化系数 LinearSVC API使用方法 导包from sklearn.svm import LinearSVC 实例化 mysvc LinearSVC(C30) 训练模型mysvc.fit(X_standard,y) 输出准确率print(myscv.score(X_standard,y)) 惩罚参数C对超平面影响 C值越大间隔越小落在间隔中的违例越少反之C值越小间隔越大违例越多
SVM算法原理 思想要去求一组参数(w,b)使其构建的超平面函数能够最优分离两个集合 样本空间中任意点x到超平面(w,b)距离可为 若想找到具有最大间隔划分超平面也就是要找到能满右足式中约束参数w和b使得间隔γ最大 距离超平面最近的几个训练样本点使上式等号成立他们被称为“支持向量”两个异类支持向量到超平面距离之和为
SVM核函数 作用 将原始输入空间映射到新的特征空间从而使原本线性不可分样本在核孔间可分 分类 高斯核RBF、径向基函数产生将样本投射到无限维空间运算效果使得原来不可分数据变得可分。使用最多 高斯核函数γ作用 高斯函数API 导包 from sklearn.svm import SVC 实例化SVCkernelrbf gammagamma gamama值越大高斯分布越窄数据变化越剧烈易过拟合反之值越小高斯分布越宽数据变化越平缓易欠拟合rbf是高斯核 gamama参数意义
