155 lines
6.8 KiB
Markdown
155 lines
6.8 KiB
Markdown
# 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
|