sklearn的svc引數總結及cross_validation
阿新 • • 發佈:2019-01-05
1、svc引數的說明
2、交叉驗證SVC引數解釋 (1)C: 目標函式的懲罰係數C,用來平衡分類間隔margin和錯分樣本的,default C = 1.0; (2)kernel:引數選擇有RBF, Linear, Poly, Sigmoid, 預設的是"RBF"; (3)degree:if you choose 'Poly' in param 2, this is effective, degree決定了多項式的最高次冪; (4)gamma:核函式的係數('Poly', 'RBF' and 'Sigmoid'), 預設是gamma = 1 / n_features; (5)coef0:核函式中的獨立項,'RBF' and 'Poly'有效; (6)probablity: 可能性估計是否使用(true or false); (7)shrinking:是否進行啟發式; (8)tol(default = 1e - 3): svm結束標準的精度; (9)cache_size: 制定訓練所需要的記憶體(以MB為單位); (10)class_weight: 每個類所佔據的權重,不同的類設定不同的懲罰引數C, 預設的話自適應; (11)verbose: 跟多執行緒有關,不大明白啥意思具體; (12)max_iter: 最大迭代次數,default = 1, if max_iter = -1, no limited; (13)decision_function_shape : ‘ovo’ 一對一, ‘ovr’ 多對多 or None 無, default=None (14)random_state :用於概率估計的資料重排時的偽隨機數生成器的種子。
from sklearn.cross_validation import cross_val_score
metric = cross_val_score(clf,X,y,cv=5,scoring=‘ ‘).mean()
[‘accuracy‘,
‘adjusted_rand_score‘, ‘average_precision‘, ‘f1‘, ‘f1_macro‘, ‘f1_micro‘, ‘f1_samples‘, ‘f1_weighted‘, ‘log_loss‘, ‘mean_absolute_error‘, ‘mean_squared_error‘, ‘median_absolute_error‘, ‘precision‘, ‘precision_macro‘, ‘precision_micro‘, ‘precision_samples‘,
‘precision_weighted‘, ‘r2‘, ‘recall‘, ‘recall_macro‘, ‘recall_micro‘, ‘recall_samples‘, ‘recall_weighted‘, ‘roc_auc‘]