安徽网站seo公司,怎么用家里的电脑做网站服务器,免费设计素材的网站,怎么做网站步骤因为本来SVM是想找到间隔最大的分割面#xff0c;所以C越大#xff0c;SVC会选择边际更小的#xff0c;能够更好的分类所有训练点的决策边界#xff0c;不过模型的训练时间也会越长。如果C的设定值较小#xff0c;那SVC会尽量最大化边界#xff0c;决策功能会更简单… 因为本来SVM是想找到间隔最大的分割面所以C越大SVC会选择边际更小的能够更好的分类所有训练点的决策边界不过模型的训练时间也会越长。如果C的设定值较小那SVC会尽量最大化边界决策功能会更简单但代价是训练的准确度。
我们先来调线性核函数
#调线性核函数
score []
C_range np.linspace(0.01,30,50)
for i in C_range:clf SVC(kernellinear,Ci,cache_size5000).fit(Xtrain,Ytrain)score.append(clf.score(Xtest,Ytest))
print(max(score), C_range[score.index(max(score))])
plt.plot(C_range,score)
plt.show()
输出结果为0.9766081871345029 1.2340816326530613 可以看到准确率最高是97%以上。接下来我们来看看在rbf上的结果
score []
C_range np.linspace(0.01,30,50)
for i in C_range:clf SVC(kernelrbf,Ci,gamma 0.012742749857031322,cache_size5000).fit(Xtrain,Ytrain)score.append(clf.score(Xtest,Ytest))print(max(score), C_range[score.index(max(score))])
plt.plot(C_range,score)
plt.show()
输出结果为0.9824561403508771 6.130408163265306 既然最高的得分所对应的C值是6那么我们可以在5-7之间进一步细化看能否找到一个更好的局部最优
#进一步细化
score []
C_range np.linspace(5,7,50)
for i in C_range:clf SVC(kernelrbf,Ci,gamma
0.012742749857031322,cache_size5000).fit(Xtrain,Ytrain)score.append(clf.score(Xtest,Ytest))print(max(score), C_range[score.index(max(score))])
plt.plot(C_range,score)
plt.show()
输出结果为0.9824561403508771 5.938775510204081 可以看到98.2456%就是我们最好的得分。
