sklearn-SVC实现与类参数详解


Posted in Python onDecember 10, 2019

sklearn-SVC实现与类参数

对应的API:http://scikit-learn.sourceforge.net/stable/modules/generated/sklearn.svm.SVC.html

它是基于libsvm实现的。随着样本数量的增加,拟合时间的复杂度要高于二次,这就使得当样板数量超过一万个时,很难扩展到数据集中。

在多类处理时,是按照1对1的方案进行处理的。

函数的的定义为:

def __init__ (self, C=1.0, kernel='rbf', degree=3, gamma='auto',coef0=0.0, 
verbose=False, max_iter=-1, decision_function_shape='ovr', random_state=None):

参数的含义:

- C:float参数 默认值为1.0。错误项的惩罚系数。C越大,即对分错样本的惩罚程度越大,因此在训练样本中准确率越高,但是泛化能力降低,也就是对测试数据的分类准确率降低。相反,减小C的话,容许训练样本中有一些误分类错误样本,泛化能力强。对于训练样本带有噪声的情况,一般采用后者,把训练样本集中错误分类的样本作为噪声。

- kernel: str参数 默认为‘rbf‘,算法中采用的核函数类型,可选参数有:

linear:线性核函数

poly:多项式核函数

rbf:径像核函数/高斯核

sigmod:sigmod核函数

precomputed:核矩阵

- degree :int型参数 (default=3),这个参数只对多项式核函数(poly)有用,是指多项式核函数的阶数n,如果给的核函数参数是其他核函数,则会自动忽略该参数。

- gamma:float参数,默认为auto核函数系数,只对'rbf'、 ‘poly' 、 ‘sigmoid'有效。

如果gamma为auto,代表其值为样本特征数的倒数,即1/n_features。

- coef0:float参数 默认为0.0

核函数中的独立项,只有对‘poly'和‘sigmod'核函数有用,是指其中的参数c

- probability:bool参数 默认为False

是否启用概率估计。 这必须在调用fit()之前启用,并且会fit()方法速度变慢。

- shrinking:bool参数 默认为True

是否采用启发式收缩方式。

- tol: float参数 默认为1e^-3

svm停止训练的误差精度。

- cache_size:float参数 默认为200

指定训练所需要的内存,以MB为单位,默认为200MB。 - class_weight:字典类型或者‘balance'字符串。默认为None

给每个类别分别设置不同的惩罚参数C,则该类别的惩罚系数为class_weight[i]*C,如果没有给,则会给所有类别都给C=1,即前面参数指出的参数C。

如果给定参数‘balance',则使用y的值自动调整与输入数据中的类频率成反比的权重。

- verbose :bool参数 默认为False

是否启用详细输出。 此设置利用libsvm中的每个进程运行时设置,如果启用,可能无法在多线程上下文中正常工作。一般情况都设为False,不用管它。

- max_iter :int参数 默认为-1

最大迭代次数,如果为-1,表示不限制

- random_state:int型参数 默认为None

伪随机数发生器的种子,在混洗数据时用于概率估计。

SVC的方法

1、fit()方法:用于训练SVM,具体参数已经在定义SVC对象的时候给出了,这时候只需要给出数据集X和X对应的标签y即可。

2、predict()方法:基于以上的训练,对预测样本T进行类别预测,因此只需要接收一个测试集T,该函数返回一个数组表示个测试样本的类别。

3、predict_proba():返回每个输入类别的概率,这与predict方法不同,predict方法返回的输入样本属于那个类别,但没有概率。使用此方法时,需要在初始化时,将 probability参数设置为True。

例如:

import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
# we create 40 separable points
np.random.seed(0)
X = np.r_[np.random.randn(20, 2) - [2, 2], np.random.randn(20, 2) + [2, 2]]
Y = [0] * 20 + [1] * 20
# fit the model
clf = svm.SVC(kernel='linear',probability=True)
clf.fit(X, Y)
print(clf.predict_proba([[-0.1,0.7],[0.3,0.5]]))
#result
#[[ 0.41844015 0.58155985]
#[ 0.34810738 0.65189262]]

如果初始化时不适用probability参数:

clf = svm.SVC(kernel='linear')
clf.fit(X, Y)
print(clf.predict([[-0.1,0.7],[0.3,0.5]]))
# get the separating hyperplane
w = clf.coef_[0]
#输出的结果为:[1,1]

属性有哪些:

svc.n_support_:各类各有多少个支持向量

svc.support_:各类的支持向量在训练样本中的索引

svc.support_vectors_:各类所有的支持向量

以上这篇sklearn-SVC实现与类参数详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python删除Java源文件中全部注释的实现方法
Aug 30 Python
Python将多个excel表格合并为一个表格
Feb 22 Python
实例讲解python中的协程
Oct 08 Python
Python pandas.DataFrame调整列顺序及修改index名的方法
Jun 21 Python
Python3+Appium安装使用教程
Jul 05 Python
Python 获取指定文件夹下的目录和文件的实现
Aug 30 Python
简单了解python中的与或非运算
Sep 18 Python
浅析python中while循环和for循环
Nov 19 Python
python实现tail实时查看服务器日志示例
Dec 24 Python
Python连接Impala实现步骤解析
Aug 04 Python
Python中正则表达式对单个字符,多个字符和匹配边界等使用
Jan 27 Python
Python Django 后台管理之后台模型属性详解
Apr 25 Python
使用pandas 将DataFrame转化成dict
Dec 10 #Python
python基于TCP实现的文件下载器功能案例
Dec 10 #Python
使用pandas的box_plot去除异常值
Dec 10 #Python
Python 中如何实现参数化测试的方法示例
Dec 10 #Python
利用python读取YUV文件 转RGB 8bit/10bit通用
Dec 09 #Python
YUV转为jpg图像的实现
Dec 09 #Python
Pandas+Matplotlib 箱式图异常值分析示例
Dec 09 #Python
You might like
PHP 7的一些引人注目的新特性简单介绍
2015/11/08 PHP
jQuery Div中加载其他页面的实现代码
2009/02/27 Javascript
一些mootools的学习资源
2010/02/07 Javascript
jquery常用技巧及常用方法列表集合
2011/04/06 Javascript
Javascript 类、命名空间、代码组织代码
2011/07/31 Javascript
poshytip 基于jquery的 插件 主要用于显示微博人的图像和鼠标提示等
2012/10/12 Javascript
js截取中英文字符串、标点符号无乱码示例解读
2014/04/17 Javascript
jquery防止重复执行动画避免页面混乱
2014/04/22 Javascript
JavaScript中跨域调用Flash的方法
2014/08/11 Javascript
JS日期格式化之javascript Date format
2015/10/01 Javascript
原生js实现addClass,removeClass,hasClass方法
2016/04/27 Javascript
基于bootstrap风格的弹框插件
2016/12/28 Javascript
SpringMVC+bootstrap table实例详解
2017/06/02 Javascript
jQuery扇形定时器插件pietimer使用方法详解
2017/07/18 jQuery
老生常谈js数据类型
2017/08/03 Javascript
vue+socket.io+express+mongodb 实现简易多房间在线群聊示例
2017/10/21 Javascript
详解Angular调试技巧之报错404(not found)
2018/01/31 Javascript
微信小程序中使用ECharts 异步加载数据的方法
2018/06/27 Javascript
jQuery 同时获取多个标签的指定内容并储存为数组
2018/11/20 jQuery
vue实现前端分页完整代码
2020/06/17 Javascript
浅谈实现在线预览PDF的几种解决办法
2020/08/10 Javascript
[43:48]Ti4正赛第一天 VG vs NEWBEE 2
2014/07/19 DOTA
[33:33]完美世界DOTA2联赛PWL S2 FTD.C vs SZ 第二场 11.27
2020/11/30 DOTA
对python中url参数编码与解码的实例详解
2019/07/25 Python
python pyinstaller打包exe报错的解决方法
2019/11/02 Python
python统计字符的个数代码实例
2020/02/07 Python
加拿大在线隐形眼镜专家:PerfectLens.ca
2016/11/19 全球购物
捷克购买家具网站:JENA nábytek
2020/03/19 全球购物
《在山的那边》教学反思
2014/02/23 职场文书
生产操作工岗位职责
2014/09/16 职场文书
装配出错检讨书
2014/09/23 职场文书
村支部书记群众路线对照检查材料思想汇报
2014/10/08 职场文书
护理实习生带教计划
2015/01/16 职场文书
淘宝文案策划岗位职责
2015/04/14 职场文书
大学副班长竞选稿
2015/11/21 职场文书
导游词之太湖
2019/10/08 职场文书