sklearn.svm.SVCの使い方

公式ドキュメント

• sklearn.svm.SVC — scikit-learn 0.18.1 documentation

パラメータ

• C=1.0
• kernel=‘rbf’
• degree=3
• gamma=‘auto’
• coef0=0.0
• shrinking=True(調査中)
• probability=False
• tol=0.001
• cache_size=200(調査中)
• class_weight=None
• verbose=FalseC
• max_iter=-1
• decision_function_shape=None(調査中)
• random_state=None

パラメータを変えて様子をみる。

サンプルデータ

デフォルトのまま

• accuracy: 0.635
• std: 0.362

C

• Cの意味を表した式はこちらを参照
• Cは学習データに対する分類の正しさとモデルの複雑さのトレードオフをコントロールする。
• Cが大きいと分類の正しさを優先し、モデルが複雑になる(モデルパラメータのノルム-2が大きくなる)。
• 分類(C=10, kernel=‘rbf’)
• 分類(C=1000)

kernel

• 取りうる値:

  • ‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’ or a callable

• 分類(kernel=‘linear’)

• 分類(kernel=‘poly’)

• 分類(kernel=‘rbf’)

• 分類(kernel=‘sigmoid’)

• rbf以外上手く分類できなかった。原因を調査中。

degree

• kernel=‘poly'のときのみ使用できる。
• polynomialの次数を指定する。

gamma

• kernel=‘rbf’, ‘poly’, ‘sigmoid’のとき使用できる。
• gammaの意味を表した式はこちらを参照
• 分類(kernel=‘rbf’, gamma=0.1)
• 分類(kernel=‘rbf’, gamma=2.0)

coef0

• kernelのindependent term。kernel=‘poly’, ‘sigmoid'のとき重要。