【Sklearn】【API详解】【SVM】- sklearn.svm.SVR参数详解(二)

2021/11/26 6:10:16

本文主要是介绍【Sklearn】【API详解】【SVM】- sklearn.svm.SVR参数详解(二),对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

目录

  • 1. 前言
  • 2. 简介
  • 3. 语法
    • 3.1 API形式
    • 3.2 参数说明
    • 3.3 属性说明
  • 4. 方法说明
    • 4.1 fit(X, y, sample_weight=None)
    • 4.2 get_params(deep=True)
    • 4.3 predict(X)
    • 4.4 score(X, y, sample_weight=None)
    • 4.5 set_params(**params)
  • 5. 总结
  • 6. 参考资料

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
  • 这里是官方说明文档传送门:sklearn.svm.SVR
  • 本文可当做开发时的开发手册作为参考,建议收藏

2. 简介

  • SVR为Support Vector Regression的简写,顾名思义,其是基于支持向量的回归器
  • 模型中的两个自由参数为Cepsilon,自由参数不能通过理论推测,可以通过实验、科研猜测和随机指定来设置,即自由参数的调节是个玄学,没有理论指导
  • SVR是基于libsvm实现的
  • SVR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的情况,如果样本量过大(>1W),建议使用其他回归模型,例如LinearSVR或者SGDRegressor

3. 语法

3.1 API形式

  • 形式如下,里面的参数均为默认参数
SVR(*, kernel='rbf', degree=3, gamma='scale', coef0=0.0, tol=0.001, C=1.0, epsilon=0.1, shrinking=True,
 cache_size=200, verbose=False, max_iter=- 1)

3.2 参数说明

参数名称数据作用
kernel核函数
degree多项式核函数的维度
gamma
coef0
tol
C正则化系数1. float类型,默认值为1.0
epsilon
shrinking
cache_size
verbose
max_iter

3.3 属性说明

属性名称数据作用
class_weight
coef_
dual_coef_
fit_status_
intercept_
n_features_in_
feature_names_in_
n_support_
shape_fit_
support_
**support_vectors_ **

4. 方法说明

4.1 fit(X, y, sample_weight=None)

4.2 get_params(deep=True)

4.3 predict(X)

4.4 score(X, y, sample_weight=None)

4.5 set_params(**params)

5. 总结

6. 参考资料

  1. sklearn.svm.SVR
  2. 百度百科:自由参数
  3. Wikipedia:Free parameter
  4. LIBSVM: A Library for Support Vector Machines


这篇关于【Sklearn】【API详解】【SVM】- sklearn.svm.SVR参数详解(二)的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!


扫一扫关注最新编程教程