谁能以简化的方式向我解释sklearn SVM.SVC的所有参数？

Question

我试图在sklearn中使用SVM模型的SVC分类器。我已经学会在各种数据集上使用它，甚至应用gridsearch来改进结果，但我还没有理解一些参数，如C，gamma。

如果有人能给我简单但详细解释每个参数，那就太棒了。

Answer 1

由于我们试图最小化某些目标函数，我们可以在函数中添加系数向量本身的一些“大小”度量。 C基本上是“正则化”项的权重的倒数。降低C将通过强制系数稀疏或小来防止过度拟合，这取决于惩罚。过多地增加C会促进不足之处。

Gamma是RBF内核的参数。增加伽马值可以实现更复杂的决策边界（这可能导致过度拟合，但也可以改善结果 - 这取决于数据）。

This scikit-learn tutorial以图形方式显示更改两个超参数的效果。