Я пытаюсь склонить SVC-классификатор модели SVM в sklearn. Я научился использовать его на разных наборах данных и даже применять gridsearch для улучшения результатов, но я еще не понял некоторые параметры, такие как C, gamma.Может ли кто-нибудь объяснить мне все параметры sklearn SVM.SVC в упрощенном виде?
Если кто-нибудь может дать мне простое, но подробное объяснение каждого параметра, было бы здорово.
Поскольку мы пытаемся свести к минимуму некоторую целевую функцию, мы можем добавить некоторую меру измерения самого вектора коэффициента к функции. C по существу является инверсией веса на этом члене «регуляризации». Уменьшение C предотвратит переобучение, заставив коэффициенты быть разреженными или малыми, в зависимости от штрафа. Увеличение C слишком сильно способствует недофинансированию.
Gamma - это параметр для ядра RBF. Увеличение гаммы позволяет использовать более сложную границу решения (что может привести к переобучению, но также может улучшить результаты - это зависит от данных).
This scikit-learn tutorial графически показывает эффект изменения обоих гиперпараметров.
Вы взглянули на теорию? Они имеют математическое обоснование – MMF