# 应用专题 / 数学算法

## `create(epsilon, tol, c, loss, fit_intercept, intercept_scaling, dual, verbose, random_state, max_iter)`

声明：function

构造函数

<!-- tags: 创建 机器学习 -->

| 参数                | 类型    | 说明                                      |
| ------------------- | ------- | ----------------------------------------- |
| `epsilon`           | any     | 模型使用的 epsilon 参数                   |
| `tol`               | any     | 优化过程的停止容差                        |
| `c`                 | any     | 模型或计算过程使用的约束参数              |
| `loss`              | any     | 模型使用的损失函数                        |
| `fit_intercept`     | any     | 构造函数使用的 `fit_intercept` 输入值     |
| `intercept_scaling` | any     | 构造函数使用的 `intercept_scaling` 输入值 |
| `dual`              | boolean | 是否求解对偶优化问题                      |
| `verbose`           | boolean | 是否输出详细运行信息                      |
| `random_state`      | any     | 随机数生成器的种子或状态                  |
| `max_iter`          | any     | 最大迭代次数                              |

返回：any

## `create(nu, c, kernel, degree, gamma, coef_0, shrinking, tol, cache_size, verbose, max_iter)`

声明：function

构造函数

<!-- tags: 创建 机器学习 -->

| 参数         | 类型    | 说明                          |
| ------------ | ------- | ----------------------------- |
| `nu`         | any     | 支持向量模型使用的 nu 参数    |
| `c`          | any     | 模型或计算过程使用的约束参数  |
| `kernel`     | any     | 支持向量模型使用的核函数      |
| `degree`     | any     | 多项式核函数的次数            |
| `gamma`      | any     | 核函数使用的 gamma 参数       |
| `coef_0`     | any     | 核函数使用的独立系数          |
| `shrinking`  | boolean | 是否使用 shrinking 启发式算法 |
| `tol`        | any     | 优化过程的停止容差            |
| `cache_size` | any     | 核函数缓存大小                |
| `verbose`    | boolean | 是否输出详细运行信息          |
| `max_iter`   | any     | 最大迭代次数                  |

返回：any

## `create(kernel, degree, gamma, coef_0, tol, nu, shrinking, cache_size, verbose, max_iter)`

声明：function

构造函数

<!-- tags: 创建 机器学习 -->

| 参数         | 类型    | 说明                          |
| ------------ | ------- | ----------------------------- |
| `kernel`     | any     | 支持向量模型使用的核函数      |
| `degree`     | any     | 多项式核函数的次数            |
| `gamma`      | any     | 核函数使用的 gamma 参数       |
| `coef_0`     | any     | 核函数使用的独立系数          |
| `tol`        | any     | 优化过程的停止容差            |
| `nu`         | any     | 支持向量模型使用的 nu 参数    |
| `shrinking`  | boolean | 是否使用 shrinking 启发式算法 |
| `cache_size` | any     | 核函数缓存大小                |
| `verbose`    | boolean | 是否输出详细运行信息          |
| `max_iter`   | any     | 最大迭代次数                  |

返回：any

## `create(kernel, degree, gamma, coef_0, tol, c, epsilon, shrinking, cache_size, verbose, max_iter)`

声明：function

构造函数

<!-- tags: 创建 机器学习 -->

| 参数         | 类型    | 说明                          |
| ------------ | ------- | ----------------------------- |
| `kernel`     | any     | 支持向量模型使用的核函数      |
| `degree`     | any     | 多项式核函数的次数            |
| `gamma`      | any     | 核函数使用的 gamma 参数       |
| `coef_0`     | any     | 核函数使用的独立系数          |
| `tol`        | any     | 优化过程的停止容差            |
| `c`          | any     | 模型或计算过程使用的约束参数  |
| `epsilon`    | any     | 模型使用的 epsilon 参数       |
| `shrinking`  | boolean | 是否使用 shrinking 启发式算法 |
| `cache_size` | any     | 核函数缓存大小                |
| `verbose`    | boolean | 是否输出详细运行信息          |
| `max_iter`   | any     | 最大迭代次数                  |

返回：any

## `decision_function(x)`

声明：function

预测样本的置信度。样本的置信度得分与样本到超平面的符号距离成正比

<!-- tags: 预估 机器学习 -->

| 参数 | 类型  | 说明                                                       |
| ---- | ----- | ---------------------------------------------------------- |
| `x`  | array | 数组，形状为(n_samples,n_features)，要获取置信度分数的数据 |

返回：any

## `fit(x, y, sample_weight)`

声明：function

根据给定的训练数据拟合 SVM 模型

<!-- tags: 机器学习 -->

| 参数            | 类型  | 说明                                                                                                                                                                        |
| --------------- | ----- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| `x`             | array | 数组，形状为 (n_samples, n_features) 或 (n_samples, n_samples)，其中 n_samples 是样本数， n_features 是特征数。内核为'precomputed'时，X 的预期形状为 (n_samples, n_samples) |
| `y`             | any   | 模型训练目标或因变量数据                                                                                                                                                    |
| `sample_weight` | any   | 各样本对应的权重                                                                                                                                                            |

返回：any

## `fit_predict(x, y)`

声明：function

对 X 进行拟合，并返回 X 的预测标签。对于离群值，返回 -1；对于正常值，返回 1

<!-- tags: 预估 机器学习 -->

| 参数 | 类型  | 说明                                                                               |
| ---- | ----- | ---------------------------------------------------------------------------------- |
| `x`  | array | 数组，形状为 (n_samples, n_features)，其中 n_samples 是样本数，n_features 是特征数 |
| `y`  | any   | 模型训练目标或因变量数据                                                           |

返回：any

## `score(x)`

声明：function

样本的原始决策函数值

<!-- tags: 机器学习 -->

| 参数 | 类型  | 说明                                          |
| ---- | ----- | --------------------------------------------- |
| `x`  | array | 数组，形状为(n_samples, n_features)，测试样本 |

返回：any