此处的文档。
我想知道coef0参数对多项式核和S形核下的奇异值集有多重要。据我所知，它是截距项，只是线性回归中的一个常数，用来将函数从零偏移。然而，据我所知，SVM(scikit使用libsvm)应该找到这个值。
什么是一个好的测试范围(有吗？)。例如，通常使用C，安全的选择是10^-5。。。10^5，呈指数级递增。
但对于coef0，该值似乎高度依赖于数据，我不知道如何在每个数据集上自动为每个网格搜索选择好的范围。有指针吗？
首先，sigmoid函数很少是内核。事实上，对于几乎none的参数值，已知会引发有效内核(在Mercer的意义上)。
其次，coeff0不是截距项，它是核投影的一个参数，可以用来克服多项式核的一个重要问题。通常，只使用coeff0=0应该很好，但多项式核有一个问题，随着p->inf，它越来越多地分离点对，其中<x,y>小于1，<a,b>的值更大。这是因为值小于1的幂越来越接近0，而值大于1的幂则增长到无穷大。您可以使用coeff0来"缩放"数据，这样就没有这样的区别——您可以添加1-min <x,y>，这样就不会有小于1的值。如果你真的觉得有必要调整这个参数，我建议在[min(1-min，0)，max(<x,y>)]的范围内搜索，其中max是通过所有训练集计算的。