标签：scikit-learn machine-learning python math

我必须创建一个带有RBF内核和硬边距的svm分类器.如果我正确理解,则余量的种类由C参数控制.也就是说,C参数越大,我得到的硬边界就越大.是否有一个典型的C值模拟非常健壮的“硬边距”？还是有其他方法可以模拟强大的硬边距？当然,我们总是可以讨论为什么我们需要模仿硬利润.但是在这种情况下,我需要模仿它！

clf = svm.SVC(C = ??,kernel="rbf",gamma =1.5,shrinking=False,cache_size=3000)

解决方法:

通常,您不需要那么大的值,但总的来说就是这样.只需尝试将其设置为1e10,然后查看生成的alpha.

如果所有Alpha都不在C值上,则不应用任何正则化处理(即所有点均在训练集中=硬边距中正确分类).

顺便说一句,如果您的数据集非常嘈杂并且无法与您正在使用的内核分开,那么您将无法实现硬边际.

标签：scikit-learn,machine-learning,python,math
来源： https://codeday.me/bug/20191127/2075945.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。