sklearn.svm.LinearSVR各参数详细说明

詹惠儿

2020-10-16 阅读量: 3287

语法：

class sklearn.svm.LinearSVR(*, epsilon=0.0, tol=0.0001, C=1.0, loss='epsilon_insensitive', fit_intercept=True, intercept_scaling=1.0, dual=True, verbose=0, random_state=None, max_iter=1000)

各参数说明如下：

参数	说明
epsilon	浮点数, 默认= 0.0Epsilon参数作用于对ε不敏感的损失函数中。注意，该参数的值取决于目标变量y的尺度，如果不确定，请设置`epsilon=0`。
tol	浮点数，默认= 1e-4残差收敛条件。
C	浮点数，默认= 1.0正则化参数。正则化的强度与C成反比。必须严格为正。
loss	{'epsilon_insensitive'，'squared_epsilon_insensitive'}，默认='epsilon_insensitive'指定损失函数。对ε不敏感的损失函数（标准SVR）为L1损失，而对ε不敏感的平方损失函数（“ squared_epsilon_insensitive”）为L2损失。
fit_intercept	布尔值，默认=True是否计算该模型的截距项。如果设置为false，则在计算中将不使用截距项（也就是说数据应已居中）。
intercept_scaling	浮点数，默认=1当self.fit_intercept为True时，实例向量x变为[x，self.intercept_scaling]，即在实例向量上附加一个定值为intercept_scaling的“合成”特征。请注意，截距项将变为intercept_scaling* 综合特征权重！与所有其他特征一样，合成特征权重也要经过l1 / l2正则化。为了减轻正则化对合成特征权重（同时也对对截距项）的影响，必须增加intercept_scaling。
dual	布尔值，默认= True选择使用什么算法来解决对偶或原始优化问题。当n_samples> n_features时，首选dual = False。
verbose	整数型，默认值= 0是否启用详细输出。请注意，此参数针对liblinear中运行每个进程时设置，如果启用，则可能无法在多线程上下文中正常工作。
random_state	整数型或RandomState的实例，默认=None控制用于数据抽取时的伪随机数生成。在多个函数调用之间传递可重复输出的整数值。请参阅词汇表。
max_iter	整数值，默认= 1000要运行的最大迭代次数。

46.1695

关注作者

发表评论

暂无数据

CDA考试动态

CDA报考指南

推荐帖子