sklearn.svm.NuSVC

最新推荐文章于 2025-03-20 09:54:22 发布

原创

最新推荐文章于 2025-03-20 09:54:22 发布 · 2.2k 阅读

收录于

sklearn.svm.NuSVC是支持向量机的一种变体，其关键参数包括nu、kernel、degree、gamma等。nu决定了训练误差和支持向量的比例范围，通常在0到1之间。kernel选项允许使用不同的核函数，如'linear'、'poly'、'rbf'等。gamma参数影响'rbf'、'poly'和'sigmoid'核函数的行为。其他参数如shrinking、probability、cache_size和max_iter则分别控制收缩启发式、概率估计、内核缓存大小和求解器迭代次数。通过调整这些参数，可以优化NuSVC在非线性问题上的表现。

class sklearn.svm.NuSVC(nu=0.5,
                        kernel=’rbf’, 
						degree=3, 
						gamma=’auto_deprecated’,
					    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’, 
						random_state=None)

nu ： float，optional（默认值= 0.5）
训练误差分数的上限和支持向量分数的下限。应该在区间（0,1）。

kernel ： string，optional（default =‘rbf’）
指定要在算法中使用的内核类型。它必须是’linear’，‘poly’，‘rbf’，‘sigmoid’，‘precomputed’或者callable之一。如果没有给出，将使用’rbf’。如果给出了callable，则它用于预先计算内核矩阵。

degree ： int，可选（默认= 3）
多项式核函数的次数（‘poly’）。被所有其他内核忽略。

gamma ： float，optional（默认=‘auto’）
‘rbf’，'poly’和’sigmoid’的核系数。

当前默认值为’auto’，它使用1 / n_features，如果gamma=‘scale’传递，则使用1 /（n_features * X.var（））作为gamma的值。