svm.SVC()的参数
时间: 2024-03-07 12:53:22 浏览: 112
svm.SVC()是支持向量机(SVM)的分类器,它的参数如下:
- C:正则化参数,它控制了决策边界的平滑程度。C值越小,决策边界越平滑;C值越大,决策边界越复杂。默认值为1.0。
- kernel:核函数,用于将数据映射到高维空间中。常用的核函数有“linear”(线性核函数)、“rbf”(径向基函数)和“poly”(多项式核函数)。默认值为“rbf”。
- degree:多项式核函数的阶数,仅当kernel为“poly”时才有用。默认值为3。
- gamma:核函数系数,仅当kernel为“rbf”、“poly”或“sigmoid”时才有用。gamma越大,决策边界越复杂;gamma越小,决策边界越平滑。默认值为“scale”,即1 / (n_features * X.var())。
- coef0:核函数常数项,仅当kernel为“poly”或“sigmoid”时才有用。默认值为0.0。
- shrinking:是否使用收缩启发式。默认值为True。
- probability:是否启用概率估计。默认值为False。
- tol:停止训练的容忍度。默认值为1e-3。
- cache_size:核函数缓存大小。默认值为200。
- class_weight:类别权重,用于处理不平衡的数据集。默认值为None。
- verbose:是否启用详细输出。默认值为False。
- max_iter:最大迭代次数。默认值为-1,表示没有限制。
更多信息可以参考官方文档:https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html。
阅读全文
相关推荐

















