頻繁に文書が雨の日のためのいくつかの翻訳SVC機能、パラメータで使用Sklearn。
この機能は、達成するためにLIBSVM自体に基づいて、そのパラメータの設定には多くの類似点があります。(PS:二次計画アルゴリズム問題LIBSVMを解決するためには、SMOです)。
sklearn.svm.SVC(C = 1.0 、カーネル= 'RBF' 、度= 3 、ガンマ= 'Auto'で、coef0 = 0.0 、縮小=真、確率= Falseを、
TOL = 0.001 、CACHE_SIZE = 200 、class_weight =なし、冗長= Falseを、max_iter = -1 、decision_function_shape =なし、random_state =なし)
パラメータ:
C :? C-SVCペナルティパラメータCのデフォルト値は1.0です
大きいC、望ましいスラック変数が0に近いスラック変数ペナルティに対応する、すなわち、罰の誤分類が増加し、そのようにするとき、非常に高い試験トレーニングセットの精度が、一般化、フルダイバーシティトレーニング・セットのケースである傾向があります弱い能力。C値は、誤分類のためのペナルティは、ノイズ、強い汎化能力、それらのフォールトトレラント、ポイントを可能に、低減され、小さいです。
カーネル:カーネル、デフォルトのRBF とすることができる、「リニア」、「ポリ」 「事前に計算」、「RBF」、「シグモイド」
0 - リニア:U'V
1--多項式:(ガンマ* U V + coef0を*」)^度
2 - RBF機能:EXP(-gamma | UV | ^ 2)
3 -sigmoid:TANH(ガンマ* U「*のV + coef0)
学位:多項式ポリ寸法機能、デフォルトは3 、他のコア機能を選択する際、無視されます。
ガンマ:「RBF」、「ポリ」とカーネル関数の「シグモイド」。デフォルトでは、1 / n_featuresを選択され、「自動」です
coef0:定数項のカーネル関数。「ポリ」と「シグモイド」のに便利です。
確率:確率推定値を使用するかどうか?。デフォルトは偽
縮小:採用するかどうかをヒューリスティック縮小方法を、デフォルトは真
TOL :トレーニングエラー値の大きさを停止し、デフォルトに1E-3
CACHE_SIZE:カーネルキャッシュバッファのサイズは、デフォルトは200
class_weight:重い重量区分、配達の辞書形。パラメータの提供いくつかのタイプC である重量* C(C-SVC におけるC)
冗長:冗長な出力を可能に?
max_iter:最大反復回数。-1は無制限です。
decision_function_shape: 'OVO'、'OVR'またはなし、デフォルト=なし 3
random_state:データシャッフルのシード値、int型の値
主調整パラメータは、C、カーネル、度、ガンマ、coef0。
参照だけのために、自己テストの正しさは、それが公式ドキュメントを読んでするのが最善です。