本文主要是介绍人工智能_机器学习059_非线性核函数_poly核函数_rbf核函数_以及linear核函数效果对比---人工智能工作笔记0099,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
人工智能_机器学习059_非线性核函数介绍---人工智能工作笔记0099
那么我们应该如何调整这个SVC的参数,也就是我们应该使用哪种核函数,比较合适呢?这取决于我们的数据,适合使用哪个核函数,正好我们有
提供的score = accuracy_score(y_test,y_pred) 这样的评分函数,我们可以根据具体的评分情况,选择评分比较高的核函数来使用.
之前我们学习到的都是线性核函数,使用一条线来进行对数据进行划分,但是
可以看到如果是上面的这种数据的话,我们使用线性分类器是没必有办法进行数据的分类的对吧
我们可以使用代码去画一个这种的数据图出来
可以看到这里
import matplotlib.pyplot as plt 画图包
X,y =datasets.make_circles(n_samples=100,factor=0.7)
`datasets.mak
这篇关于人工智能_机器学习059_非线性核函数_poly核函数_rbf核函数_以及linear核函数效果对比---人工智能工作笔记0099的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!