標籤（空格分隔）： 資料分析
svm 是有監督的學習模型，我們需要事先對資料打上分類標籤，通過求解最大分類間隔來求解二分類問題。如果要求解多分類問題，可以將多個二分類器組合起來形成乙個多分類器。
如何建立乙個 svm 分類器呢？我們首先使用 svc 的建構函式：model = svm.svc(kernel=『rbf』, c=1.0, gamma=『auto』)，這裡有三個重要的引數 kernel、c 和 gamma。kernel 代表核函式的選擇，它有四種選擇，只不過預設是 rbf，即高斯核函式。
linear：線性核函式
poly：多項式核函式
rbf：高斯核函式（預設）
sigmoid：sigmoid 核函式
線性核函式，是在資料線性可分的情況下使用的，運算速度快，效果好。不足在於它不能處理線性不可分的資料。引數 c 代表目標函式的懲罰係數，懲罰係數指的是分錯樣本時的懲罰程度，預設情況下為 1.0。當 c 越大的時候，分類器的準確性越高，但同樣容錯率會越低，泛化能力會變差。相反，c 越小，泛化能力越強，但是準確性會降低。多項式核函式可以將資料從低維空間對映到高維空間，但引數比較多，計算量大。
高斯核函式同樣可以將樣本對映到高維空間，但相比於多項式核函式來說所需的引數比較少，通常效能不錯，所以是預設使用的核函式。
了解深度學習的同學應該知道 sigmoid 經常用在神經網路的對映中。因此當選用 sigmoid 核函式時，svm 實現的是多層神經網路。
引數 gamma 代表核函式的係數，預設為樣本特徵數的倒數，即 gamma = 1 / n_features。
機器學習 05 SVM
學習內容 演算法簡介 支援向量機 support vector machines，svm 是一種二類分類模型，它的基本模型是定義在特徵空間上的間隔最大的線性分類汽車，間隔最大使它有別於感知機。支援向量機還包括核技巧，這使它成為實質上的非線性分類器，支援向量機的學習策略就是間隔最大化，可形成化為乙個求...
05 資料分析 診斷性分析方法
診斷性分析 根據業務邏輯，通過資料尋找引起最終結果的原因和可以改變未來結果的方法 解決問題 壞的結果 產生問題的原因和解決的方案 發現機會 好的結果 在機會出現的時候發現機會 list item確定問題的描述指標，以及指標的統計邏輯 確定指標的類別，是基礎指標還是復合指標 對復合指標進行分解，分解到...
資料分析 numpy陣列 05索引
資料分析 numpy陣列 05 numpy陣列操作 1 索引 1 呼叫slice函式，指定start，stop，step 2 通過 指定start，stop，step 3 通過 來使選擇元組的長度與陣列的維度相同的ndarra，行，列 4 通過整數陣列索引指定位置的元素 5 通過 和 索引 6 布林...