sklearn.svm.SVC()参数解析
sklearn.svm.SVC() 函数全称为 C-支持向量分类器 。
class sklearn.svm.SVC(C=1.0, kernel=’rbf’, degree=3, gamma=’auto_deprecated’, |
参数
C
float，optional (default = 1.0)
错误术语的惩罚参数C。C越大，相当于惩罚松弛变量，希望松弛变量接近0，即对误分类的惩罚增大，趋向于对训练集全分对的情况，这样对训练集测试时准确率很高，但容易过拟合，泛化能力弱。C值小，对误分类的惩罚减小，允许容错，将他们当成噪声点，泛化能力较强。
kernel
string，optional (default = ‘rbf’)
核函数类型，str类型，默认为’rbf’。可选参数为：
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
precomputed表示自己提前计算好核函数矩阵，这时候算法内部就不再用核函数去计算核矩阵，而是直接用你给的核矩阵，核矩阵需要为n*n的。
degree
int，optional (default = 3)
多项式核函数的阶数，int类型，可选参数，默认为3。这个参数只对多项式核函数有用，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，optional (default = ‘auto’)
核函数系数，float类型，可选参数，默认为auto。只对’rbf’ ,’poly’ ,’sigmod’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，optional (default = 0.0)
核函数中的独立项，float类型，可选参数，默认为0.0。只有对 ’poly’ 和 ’sigmod’ 核函数有用，是指其中的参数c。
shrinking
bool, optional (default = True)
是否采用启发式收缩方式，bool类型，可选参数，默认为True。
启发式收缩方式就是：如果能预知哪些变量对应着支持向量，则只要在这些样本上训练就够了，其他样本可不予考虑，这不影响训练结果，但降低了问题的规模并有助于迅速求解，起到一个加速训练的效果。
probability
bool, optional (default = True)
是否启用概率估计，bool类型，可选参数，默认为False，这必须在调用fit()之前启用，并且会fit()方法速度变慢。
tol
float，optional (default = 1e-3)
svm停止训练的误差精度，float类型，可选参数，默认为1e^-3。
cache_size
float，optional (default = 200)
内存大小，float类型，可选参数，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
{dict，‘balanced’}，可选
类别权重，dict类型或str类型，可选参数，默认为None。给每个类别分别设置不同的惩罚参数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, optional (default = False)
是否启用详细输出，bool类型，默认为False，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，optional (default = -1)
最大迭代次数，int类型，默认为-1，表示不限制。
decision_function_shape
‘ovo’，‘ovr’，默认=‘ovr’
决策函数类型，可选参数’ovo’和’ovr’，默认为’ovr’。’ovo’表示one vs one，’ovr’表示one vs rest。
决定了分类时，是一对多的方式来构建超平面，还是一对一。
一对多：训练时依次把某个类别的样本归为一类，其他剩余的样本归为另一类，这样k个类别的样本就构造出了k个SVM。分类时将未知样本分类为具有最大分类函数值的那类。
一对一：其做法是在任意两类样本之间设计一个SVM，因此k个类别的样本就需要设计k(k-1)/2个SVM。当对一个未知样本进行分类时，最后得票最多的类别即为该未知样本的类别。Libsvm中的多类分类就是根据这个方法实现的。
random_state
int，RandomState实例或None，可选(默认=无)
数据洗牌时的种子值，int类型，可选参数，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。
