zoukankan html css js c++ java

机器学习sklearn（72）：算法实例（二十九）分类（十六）SVM（七）sklearn.svm.SVC（六）使用SVC时的其他考虑（选）

1 SVC处理多分类问题：重要参数decision_function_shape

2 SVM的模型复杂度

3 SVM中的随机性：参数random_state

4 SVC的重要属性补充

#属性n_support_:调用每个类别下的支持向量的数目
clf_proba.n_support_
#属性coef_：每个特征的重要性，这个系数仅仅适合于线性核
clf_proba.coef_
#属性intercept_：查看生成的决策边界的截距
clf_proba.intercept_
#属性dual_coef_：查看生成的拉格朗日乘数
clf_proba.dual_coef_
clf_proba.dual_coef_.shape
#注意到这个属性的结构了吗？来看看查看支持向量的属性
clf_proba.support_vectors_
clf_proba.support_vectors_.shape
#注意到dual_coef_中生成的拉格朗日乘数的数目和我们的支持向量的数目一致
#注意到KKT条件的条件中的第五条，所有非支持向量会让拉格朗日乘数为0 #所以拉格朗日乘数的数目和支持向量的数目是一致的
#注意，此情况仅仅在二分类中适用！

5 一窥线性支持向量机类LinearSVC

查看全文

相关阅读:
2-反向调试
 1-断点调试
 gdb基础用法
 protobuf学习手册（上）
1024 科学计数法（20 分)
1023 组个最小数（20 分)
1018 锤子剪刀布（20 分)
1015 德才论（25 分)
1020 月饼（25 分)
1019 数字黑洞（20 分)

原文地址：https://www.cnblogs.com/qiu-hua/p/14960764.html

机器学习sklearn（72）：算法实例（二十九）分类（十六）SVM（七）sklearn.svm.SVC（六） 使用SVC时的其他考虑（选）

1 SVC处理多分类问题：重要参数decision_function_shape

2 SVM的模型复杂度

3 SVM中的随机性：参数random_state

4 SVC的重要属性补充

5 一窥线性支持向量机类LinearSVC

机器学习sklearn（72）：算法实例（二十九）分类（十六）SVM（七）sklearn.svm.SVC（六）使用SVC时的其他考虑（选）