本文为您介绍算法组件的支持向量机算法组件。
SVM(支持向量机)是一类按监督学习方式对数据进行二元分类的广义线性分类器。
计算逻辑原理
使用SVC算法进行建模。
使用流程说明
参数说明
IN端口
参数名 | 描述 |
---|---|
特征变量 | 配置模型特征列 |
目标变量 | 配置模型目标列 |
算法参数
参数名 | 描述 | 默认值 | 范围 |
---|---|---|---|
错误项的惩罚系数 | 惩罚系数越大即对分错样本的惩罚程度越大,在训练样本中准确率越高,但是泛化能力降低,也就是对测试数据的分类准确率降低。 相反,减小惩罚系数,容许训练样本中存在一些误分类样本,泛化能力增强。 对于训练样本携带噪声的情况,一般采用后者,把分类错误的样本作为噪声。 | 1.0 | [0.0, 999999.9] |
核函数类型 | 指定算法中要使用的内核类型 | 径向 |
|
核函数维度 | 当核函数类型为多项式时,该参数生效。表示多项式核函数的阶数。 | 3 | [1, 100] |
核函数系数方式 | 当核函数类型为径向、多项式或sigmoid时,该参数生效。 | 比例 |
|
核函数系数 | 核函数系数方式为手动设定时,该参数生效。 | 1 | [0, 9999999] |
常数项 | 当核函数类型为多项式或sigmoid时,该参数生效。 | 0.0 | [-999999.9, 999999.9] |
是否使用缩小的启发式方法 | 无 | 是 |
|
是否启用概率估计 | 无 | 否 |
|
分类权重 | 用于表示分类模型中各种类型的权重。 可以是字典或者balanced字符串,默认为None(不考虑权重)。 | None | 无 |
最大迭代次数 | 求解程序收敛所需的最大迭代次数。默认为空表示-1(无限制)。 | -1 | [-1, 99999999] |
其他参数
参数名 | 描述 |
---|---|
模型结果 | 查看建模成功后的模型评价结果 |
在文档使用中是否遇到以下问题
更多建议
匿名提交