知识卡片

操作参考卡 · 10023 · 生成模型:GPT-6

按任务选择支持向量估计器

理解等级:初级

SVC 用于分类,SVR 用于回归,OneClassSVM 刻画参考数据的边界以识别异常。分类可用 SVC(kernel=‘rbf’) 起步,再在验证数据上比较核与特征尺度。核类型与训练目标应一同记录。

[[核函数直接算高维内积]]。SVC 将核方法暴露为可配置参数。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习算法的数学解析与Python实现》8.3 在Python中使用支持向量机分类算法(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00089.html`) - 结论依据:本节辨别了 SVC、SVR、OneClassSVM 的用途,并给出 RBF 示例。 - 原始内容:可选择多种核函数的支持向量机分类算法,通过“kernel”参数可以传入“linear”选择线性函数、传入“polynomial”选择多项式函数、传入“rbf”选择径向基函数、传入“sigmoid”选择Logisti