機器學習sklearn(72):演算法例項(二十九)分類(十六)SVM(七)sklearn.svm.SVC(六) 使用SVC時的其他考慮(選)
阿新 • • 發佈:2021-07-01
1 SVC處理多分類問題:重要引數decision_function_shape
2 SVM的模型複雜度
3 SVM中的隨機性:引數random_state
4 SVC的重要屬性補充
#屬性n_support_:呼叫每個類別下的支援向量的數目 clf_proba.n_support_ #屬性coef_:每個特徵的重要性,這個係數僅僅適合於線性核 clf_proba.coef_ #屬性intercept_:檢視生成的決策邊界的截距 clf_proba.intercept_ #屬性dual_coef_:檢視生成的拉格朗日乘數 clf_proba.dual_coef_ clf_proba.dual_coef_.shape#注意到這個屬性的結構了嗎?來看看檢視支援向量的屬性 clf_proba.support_vectors_ clf_proba.support_vectors_.shape #注意到dual_coef_中生成的拉格朗日乘數的數目和我們的支援向量的數目一致 #注意到KKT條件的條件中的第五條,所有非支援向量會讓拉格朗日乘數為0 #所以拉格朗日乘數的數目和支援向量的數目是一致的 #注意,此情況僅僅在二分類中適用!