目录
1. 前言
- 转载请注明出处
- 文章中有一部分内容是个人理解，所以内容仅供参考
- 这篇文章是讲解sklearn库中SVM部分中SVC这一API.
- 关于实战部分可以参考这篇文章（有源码，可直接运行）：【Sklearn】【实战】【SVM】乳腺癌检测，模拟线上部署（1）
- 这里是官方说明文档传送门：sklearn.svm.SVC
- 本文约7000字，阅读完毕大约需要10分钟
- 本文可当做开发时的开发手册作为参考，建议收藏
2. 简介
- SVC为Support Vector Classification的简写，顾名思义，其是基于支持向量的分类器
- SVC是基于libsvm实现的
- SVC的拟合时间是和样本数量呈二次方指数关系，因此这一分类模型适用于样本较小情况，如果样本数量过大（超过1W），建议使用其他模型，例如
LinearSVC或者SGDClassifier
3. 语法
3.1 API形式
- 形式如下，里面的参数均为默认参数
SVC( C=1.0, kernel='rbf', degree=3, gamma='scale', coef0=0.0, shrinking=True, probability=False, tol=0.001,
cache_size=200, class_weight=None, verbose=False, max_iter=- 1, decision_function_shape='ovr',
break_ties=False, random_state=None)
3.2 参数说明
| 参数 | 名称 | 数据 | 作用 |
|---|---|---|---|
| C | 正则化系数 | float类型，默认值为1.0 | 1. 正则化的强度与C的大小成反比，且必须为正。 2. 主要是用来防止模型过拟合 3. C值越大，对模型的惩罚越高，泛化能力越弱（过拟合） 4. 反之，C值越小，对模型的惩罚越低，泛化能力越强（欠拟合） |
| kernel | 核函数 | 1. string类型 2. {‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’} 3. 默认值为’rbf’ |
1. 用来选择映射到高维线性可分的核函数 2. linear: 线性核函数； 优点： 简单、运算效率高；缺点： 对线性不可分的数据集没有很好的效果 3. ploy: 多项式核函数； 优点： 可以拟合出复杂的分割超平面；缺点： 有三个参数，调参困难，且当n过大时，模型拟合时间会很长 ； 4. rbf: 径向基函数 通常定义为样本到数据中心之间径向距离（通常是欧氏距离）的单调函数（由于距离是径向同性的）； 相较于多项式核，具有参数少的优点 5. sigmoid：Logistic函数 也称为S型生长曲线，优点：平滑 6. precomputed：预训练好的核函数对应的Gram 矩阵 优点： 不用再次拟合核函数对应的Gram 矩阵，直接进行映射就可以了 |
| degree | 多项式核函数的维度 | 1. int类型，默认值为3 | 1. 只有在使用多项式核函数的时候才有用，使用其他核函数自动忽略此参数 2. 用来确定多项式核函数的维度，即n的值 |
| gamma | ‘rbf’, ‘poly’ 和‘sigmoid’ 核函数的系数 | 1. string类型，默认值为‘scale’ 2. {‘auto’, ‘scale’} |
1. auto: gamma = 1 / n_features 2. scale: gamma = 1 / (n_features * X.var()) 3. 只作用于 rbf， poly，sigmoid 三个核函数 |
| coef0 | 常数项 | 1. float类型，默认值为0 | 1. 只作用于poly 和 sigmoid 核函数 2. 作用相当于是对核函数映射的结果进行一个移位操作 |
| shrinking | 启用启发式收缩 | 1. bool类型，默认为True | 1. 是否采用启发式收缩，当迭代次数过大时， 启用启发式收缩可以缩短训练时间，然而如果我们对停止迭代容忍度较高时（tol参数来反映），不用启发式收缩可能会更快一些 |
| probability | 启用概率估计 | 1. bool类型，默认为False | 1. 在拟合（fit）模型之前启用 2. 启用之后会减缓拟合速度，但是拟合之后，模型能够输出各个类别对应的概率 |
| tol | 停止拟合容忍度 | 1. float类型，默认值为1e-3 即为0.001 | 1. 定义模型停止拟合的误差值 |
| cache_size | 核缓存大小 | 1. float类型，默认值为200（MB） | 1. 指定模型在训练时，能占用的最大RAM空间（PS. 经过实验，当大小设置超过2000MB时，训练时长反而会增加，这应该是一个BUG），在2000MB以内，不超过其所需最大内存，则不会降低训练速度，也不会增加。 2. 所以训练多采用的数据集维度越高，条数越高，当所需内存超出了，我们可以通过调整cache_size 的大小来加快模型拟合 |
| class_weight | 类别的权重 | 1. 字典，默认值为None 2. {dict} or ‘balanced’ |
1. 该参数表示给每个类别分别设置不同的惩罚参数C 2. 如果没有给，则会给所有类别都给C=1，即前面参数指出的参数C 3. 如果给定参数‘balance’，自动调整权重 C = n_samples / (n_classes * np.bincount(y)) 其中y为每个训练数据的标签值 |
| verbose | 启用详细输出 | 1. bool类型，默认值：False | 1. 该参数表示日志是否启用详细输出，会输出iter次数，nSV等参数的值 2. 如果启用，可能会导致无法进行多线程工作，降低拟合速率 |
| max_iter | 最大迭代次数 | 1. int类型，默认值: -1 | 1. 硬性设置最大迭代次数，不管模型是否拟合完成，即不关心误差值(tol参数) 2. 设置-1的话，意味着不限制迭代次数，即按照误差值来停止模型拟合 |
| decision_function_shape | 多分类策略 | 1. 字典类型 ，默认值: ‘ovr’ | 1. 设置进行多分类任务时，采用的分类策略 2. 当进行二分类任务时，这一参数被自动忽略 |
| break_ties | 启用打破平局 | 1. bool类型，默认值为Flase | 1. 当进行多分类任务时可以启用 2. 启用后，多分类策略会被设置为 ovr 3. 作用在于，当两个类别具有相同的分类概率时，则根据类名排序，返回第一个类，如果启用之后，则会根据decision_function的置信度来决定返回的类 4. 启用之后，会增加计算开销，降低拟合好后的模型预测效率 |
| random_state | 随机数 | 1. int类型，默认值：None | 1. 控制伪随机数生成，保证多次训练时，打乱的数据是一致的，从而进行概率估计。2. 当 probability 设置 False时，这一参数被自动忽略 |
3.3 属性说明
| 属性 | 名称 | 数据 | 作用 |
|---|---|---|---|
| class_weight | 各类权重 | 1. ndarray，一维数组，(n_classes, ) | 1. 用来获取模型对各个类别设置的权重，与参数中的class_weight相关 2. 数组长度为类别数，内容为每个类的权重 |
| classes_ | 类别 | 1. ndarray，一维数组 ，(n_classes, ) | 1. 用来获取各个类别的标签 2. 数组的长度为类别数，内容为每个类对应的标签 |
| coef_ | 特征权重向量 | 1. ndarray，二维数组，(n_classes * (n_classes - 1) / 2, n_features) | 1. 获取特征权重向量 2. 当核函数为linear时，才可以调用这一属性 |
| dual_coef_ | 对偶系数 | 1. ndarray，二维数组，(n_classes -1, n_SV) | 1. decision_funciton 中的支持向量的对偶系数 2. n_SV 为支持向量的个数 3. 所有 ovo 分类器的系数 |
| fit_status_ | 拟合状态 | 1. int类型 | 1. 拟合成功0， 否则为1，进行告警 |
| intercept_ | 决策函数常量 | 1. ndarray，一维数组， (n_classes * (n_classes - 1) / 2, ) | 1. decision_funciton 中的常量 |
| n_features_in_ | 特征数量 | 1. int类型 | 1. 拟合过程中使用到的特征数量 |
| feature_names_in_ | 特征名称 | 1. ndarray，一维数组，(n_features_in_,) | 1. 获取拟合时特征的名称 |
| support_ | 支持向量索引 | 1. ndarray，一维数组， (n_SV，) | 1. 获取模型拟合后获得的所有支持向量的索引 |
| support_vectors_ | 支持向量 | 1. ndarray，二维数组，(n_SV, n_features) | 1. 获取所有的支持向量 |
| n_support_ | 每类的支持向量数 | 1. ndarray，一维数组 ，(n_classes,), dtype=int32 | 1. 获取每种类别的支持向量数 |
| probA_ | platt scaling系数A | 1. ndarray， 一维数组， (n_classes * (n_classes - 1) / 2, ) | 1. 只有当 probability=True.时，这一系数A才会被计算 ，probability=False，则为空数组。 |
| probB_ | platt scaling纠正项B | 1. ndarray， 一维数组， (n_classes * (n_classes - 1) / 2, ) | 1. 只有当 probability=True.时，这一纠正项B才会被计算，probability=False，则为空数组。 |
| shape_fit_ | 训练向量维度数 | 1.元组，(n_dimensions_of_X,) | 1. 训练向量X的数组维度 |
4. 方法说明
4.1 decision_function(X)
1. 描述： 计算所有样本X的决策函数
2. 参数： X为所有样本组成的二维数组，大小为(n_samples, n_features)
3. 返回值： 返回模型中每个类的样本决策函数，大小为 (n_samples, n_classes * (n_classes-1) / 2)
4. 注意： 如果decision_function_shape =“ ovr”，则返回值的大小为（n_samples，n_classes）
4.2 fit(X, y, sample_weight=None)
1. 描述： 用训练数据拟合模型
2. 参数： X: 训练数据; y: 训练数据标签； sample_weight: 每个样本的权重，(n_samples,)
3. 返回值： 自身，拟合好的模型
4. 注意： 无
4.3 get_params(deep=True)
1. 描述： 获取模型的所有参数
2. 参数： 如果为真，则将返回此模型和作为模型的所包含子对象的参数
3. 返回值： 字典类型， 所有的参数
4. 注意： 无
4.4 predict(X)
1. 描述： 用拟合好的模型对所有样本X进行预测
2. 参数： 所有预测样本，二维数组（n_samples, n_features)
3. 返回值： 所有预测 X的预测标签，一维数组，(n_sample, )
4. 注意： 无
4.5 predict_log_proba(X)
1. 描述： 计算所有预测样本在每个类别上的对数概率
2. 参数： 所有预测样本，二维数组（n_samples, n_features)
3. 返回值： 返回模型中每个类的样本的对数概率，二维数组，(n_samples, n_classes)
4. 注意： 在模型训练时，需要将 probability参数设置为True，才能使用此方法
4.6 predict_proba(X)
1. 描述： 计算所有预测样本在每个类别上的概率
2. 参数： 所有预测样本，二维数组（n_samples, n_features)
3. 返回值： 返回模型中每个类的样本的对数概率，二维数组，(n_samples, n_classes)
4. 注意： 在模型训练时，需要将 probability参数设置为True，才能使用此方法
4.7 score(X, y, sample_weight=None)
1. 描述： 返回给定测试数据上的平均准确度
2. 参数： X: 训练数据; y: 训练数据标签； sample_weight: 每个样本的权重，(n_samples,)
3. 返回值： 浮点类型，平均准确度
4. 注意： 无
4.8 set_params(**params)
1. 描述： 重置当前模型的参数
2. 参数： 字典类型，内容为当前模型的参数
3. 返回值： 重置参数后的模型
4. 注意： 无
5. 总结
不知不觉六个小时已经过去了，这会儿已经凌晨四点了。本以为这篇文章两个小时就能结束。无奈中间遇到了一个又一个不懂的知识点，整个过程就像升级打怪一样，在整理整个API的过程中，个人对模型的理解更深刻了，颇有收获。
有时间再继续往下更新~
希望这篇文档能对各位看官产生一定的帮助， 如有不妥，欢迎评论区指正~