任何人都可以简化的方式向我解释Sklearn svm的所有参数

Question

我试图在Sklearn中倾斜SVM模型的SVC分类器。我已经学会了在各种数据集上使用它，甚至应用了GridSearch来改善结果，但我尚未了解某些参数，例如C，伽马。

如果任何人都可以简单但细节地说明每个参数，那将很棒。

Answer 1

由于我们试图最大程度地减少目标函数，因此我们可以将系数向量本身的一些'大小'度量添加到函数中。C本质上是"正则化"项上重量的倒数。减小C将通过迫使系数稀疏或小，具体取决于罚款，可以防止过度适应。c增加过多将促进不足的效果。

伽马是RBF内核的参数。增加伽玛可以建立更复杂的决策边界（这可能导致过度拟合，但也可以改善结果 - 这取决于数据）。

此Scikit-Learn教程以图形方式显示了更改两个超参数的效果。