全部产品

支持向量机

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

  • 线性

  • 多项式

  • 径向

  • sigmoid

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

  • 比例

  • 自动

  • 手动设定

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

是否启用概率估计

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

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