支持向量机

特征变量

配置模型特征列

目标变量

配置模型目标列

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

无

是

• 是

• 否

是否启用概率估计

无

否

• 是

• 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]

模型结果

查看建模成功后的模型评价结果