Python for-loop找到SVC的最佳值(C和gamma)
Python for-loop找到SVC的最佳值(C和gamma)
在机器学习中，SVC（Support Vector Classifier）是一种常用的分类算法。它通过寻找最佳的超平面来将数据点分为不同的类别。在SVC中，C和gamma是两个重要的参数，它们会影响模型的性能和准确度。
为了找到SVC的最佳值，我们可以使用for循环来尝试不同的C和gamma值，并评估模型的性能。以下是一个示例代码：
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 假设我们有一组特征数据X和对应的标签y
X = ...
y = ...
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
best_accuracy = 0.0
best_C = 0
best_gamma = 0
# 定义C和gamma的取值范围
C_values = [0.1, 1, 10]
gamma_values = [0.01, 0.1, 1]
# 使用for循环尝试不同的C和gamma值
for C in C_values:
for gamma in gamma_values:
# 创建SVC模型
model = SVC(C=C, gamma=gamma)
# 在训练集上训练模型
model.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = model.predict(X_test)
# 计算准确度
accuracy = accuracy_score(y_test, y_pred)
# 判断是否为最佳值
if accuracy > best_accuracy:
best_accuracy = accuracy
best_C = C
best_gamma = gamma
# 输出最佳值
print("最佳准确度：", best_accuracy)
print("最佳C值：", best_C)
print("最佳gamma值：", best_gamma)在上述代码中，我们首先定义了C和gamma的取值范围，然后使用两个嵌套的for循环遍历所有可能的组合。对于每个组合，我们创建一个SVC模型，并在训练集上进行训练。然后，我们使用测试集进行预测，并计算准确度。如果当前准确度高于之前的最佳准确度，我们更新最佳准确度、最佳C值和最佳gamma值。
最后，我们输出最佳准确度、最佳C值和最佳gamma值。
这个方法可以帮助我们找到SVC的最佳值，从而提高模型的性能和准确度。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云人工智能平台（https://cloud.tencent.com/product/ai）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云对象存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链服务（https://cloud.tencent.com/product/bcs）
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iot）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mpe）
- 腾讯云云原生应用引擎（https://cloud.tencent.com/product/tke）
- 腾讯云网络安全（https://cloud.tencent.com/product/saf）
- 腾讯云存储（https://cloud.tencent.com/product/cos）
- 腾讯云元宇宙（https://cloud.tencent.com/product/vr）
- 腾讯云云计算（https://cloud.tencent.com/product/cc）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云云原生应用引擎（https://cloud.tencent.com/product/tke）
- 腾讯云云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云云存储（https://cloud.tencent.com/product/cos）
- 腾讯云云原生安全（https://cloud.tencent.com/product/saf）
- 腾讯云云原生网络（https://cloud.tencent.com/product/vpc）
- 腾讯云云原生音视频（https://cloud.tencent.com/product/vod）
- 腾讯云云原生人工智能（https://cloud.tencent.com/product/ai）
- 腾讯云云原生物联网（https://cloud.tencent.com/product/iot）
- 腾讯云云原生移动开发（https://cloud.tencent.com/product/mpe）
- 腾讯云云原生区块链（https://cloud.tencent.com/product/bcs）
- 腾讯云云原生元宇宙（https://cloud.tencent.com/product/vr）
请注意，以上链接仅供参考，具体产品和服务选择应根据实际需求和情况进行评估。
相关·内容
1回答
我用hyperopt来搜索支持向量机分类器的最佳参数，但Hyperopt说最好的‘核’是'0‘。{“内核”：'0'}显然不合适。
有谁知道是我的错还是一包超选项造成的？
密码在下面。
from hyperopt import fmin, tpe, hp, rand
import numpy as np
from sklearn.metrics import accuracy_score
from sklearn import svm
from sklearn.cross_validation import StratifiedKFold
parameter_space
浏览 1提问于2017-08-14得票数 9
回答已采纳
我在Python中使用scikitlearn创建一些SVM模型，同时尝试不同的内核。代码非常简单，并遵循以下形式：
from sklearn import svm
clf = svm.SVC(kernel='rbf', C=1, gamma=0.1)
clf = svm.SVC(kernel='linear', C=1, gamma=0.1)
clf = svm.SVC(kernel='poly', C=1, gamma=0.1)
t0 = time()
clf.fit(X_train, y_train)
print "Traini
浏览 1提问于2017-04-21得票数 8
回答已采纳
1回答
问题:我需要训练一个分类器(在matlab中)来分类多个级别的信号噪声。
因此，我用matlab语言对多类支持向量机进行了训练，得到了92%的精度。
然后，我在python中使用sklearn.svm.svc训练了一个多类支持向量机，但似乎无论我如何调整参数，我的准确率都不能超过69%。
30%的数据被搁置，并用于验证培训。混乱的矩阵如下所示。
因此，如果有人在svm.svc多类培训方面有一些经验或建议，并且能够在我的代码中看到问题，或者有建议，我们将非常感激。
Python代码：
import numpy as np
from sklearn import svm
from sklear
浏览 1提问于2016-12-06得票数 1
回答已采纳
1回答
我需要一个带有huber损失函数的python的svm分类器。但它的默认损失函数是铰链损失。您知道如何将丢失函数分配给python吗？
svc = svm.SVC(kernel='linear', C=1, gamma=1).fit(data, label)
浏览 2提问于2017-08-15得票数 0
我有一个用于训练和评分sklearn.SVC模型的数据集X和标签y。数据分为X_train和X_test。我运行for-loop为两个SVC参数C和gamma找到可能的最佳值组合(即最佳分数)。我可以打印出最高分数，但如何打印用于此特定分数的C和伽马值？
for C in np.arange(0.05, 2.05, 0.05):
for gamma in np.arange(0.001, 0.101, 0.001):
model = SVC(kernel='rbf', gamma=gamma, C=C)
model.fit(X_train
浏览 18提问于2018-02-27得票数 0
我试图使用来调优我的支持向量机模型，我直接复制和超越它的最新示例代码，只需导入特性数组和数据数组
import optunity
import optunity.metrics
import sklearn.svm
import numpy as np
data_path = '/python/Feature'
files = ['A.npy', 'B.npy', 'C.npy']
array = []
labels = []
for i,name in enumerate(files):
data = np.loa
浏览 1提问于2015-05-29得票数 1
回答已采纳
1回答
分类模型的参数产生不同的结果
、、、、
我正在研究用于分类的SVC模型，每次更改参数的值(svc__gamma、svc__kernel和svc__C)时，我都会面临不同的精度结果，我阅读了Sklearn的文档，但是我不明白这些参数意味着什么，我有三个问题：
，这些参数指示了什么？，每当我改变它时，它的效果如何？，正确的参数值是多少？
精度为0.70，但删除svc__gamma和svc__C后，精度提高到0.76。
pipe = make_pipeline(TfidfVectorizer(),
SVC())
param_grid = {'svc__kernel&
浏览 6提问于2021-02-06得票数 0
回答已采纳
我已经实现了一个图像分类器，它使用SVM.For对车辆和动物进行分类，我将svm参数设置为
svm_params = dict( kernel_type = cv2.SVM_LINEAR,
svm_type = cv2.SVM_C_SVC,
C=2.67, gamma=5.383 )
这个参数是什么意思?我了解kernel_type parameter.But，svm_type，c和gamma是什么，以及它是如何影响我的分类的。
浏览 2提问于2016-05-04得票数 1
回答已采纳
1回答
我代码中的网格搜索部分如下所示：
svc_param_grid={"C":c, "kernel":kernel, "gamma":gamma, "degree":degree}
grid_cv_object = GridSearchCV(
estimator=SVC(),
param_grid=svc_param_grid,
n_jobs=-1,
verbose=3,
cv=k_fold,
# a callable that returns a single value
sc
浏览 4提问于2022-03-29得票数 1
回答已采纳
6回答
import pandas as pd
from sklearn import svm
### Read the CSV ###
df = pd.read_csv('C:/Users/anagha/Documents/Python Scripts/sampleData.csv')
df
from sklearn.cross_validation import train_test_split
train, test = train_test_split(df, train_size = 0.8)
train
test
x_column=['Userid',
浏览 0提问于2016-11-15得票数 5
1回答
当RBF SVC适合使用sklearn管道对象时，它能得到支持向量的数目和(或)它们的值吗？我的管道看起来像这样
dim_reduction = TruncatedSVD( n_components = dim_reduction_n_comp, random_state = 611 )
classifier_obj = sklearn.pipeline.Pipeline([
('scaler', sklearn.preprocessing.StandardScaler()),
( 'dim_reduction', dim_
浏览 10提问于2022-08-16得票数 0
回答已采纳
以下是LIBSVM包的选项：
options:
-s svm_type : set type of SVM (default 0)
0 -- C-SVC
1 -- nu-SVC
2 -- one-class SVM
3 -- epsilon-SVR
4 -- nu-SVR
-t kernel_type : set type of kernel function (default 2)
0 -- linear: u'*v
1 -- polynomial:
浏览 28提问于2016-09-22得票数 2
我使用GridSearchCV测试了支持向量机分类器的不同内核。当我试图打印出最佳估计器(请参阅下面的代码)时，我得到了输出：
best estimator SVC(C=8, gamma=0.125, probability=True)
代码：
kernel=["linear", "rbf"],
C=[8],
gamma=[0.125],
params = dict(kernel=kernel, C=C, gamma=gamma)
svc = sklearn.svm.SVC(pro
浏览 2提问于2022-07-15得票数 0
我正在使用加权样本的支持向量机：
代码是：
clf=svm.SVC(kernel="rbf",gamma = gamma_current, C = 1)
clf.fit(x_train,y_train,weights)
一半的情况下，clf.fit可以在控制台中正常运行：
clf.fit(x_train,y_train,weights)
SVC(C=1, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.5,
kernel='rbf', max_iter=-1, probability
浏览 0提问于2014-01-16得票数 0
当我试图在rbf核支持向量机中搜索最优的C和gamma时：
params = dict(C = C_range, gamma = gamma_range)
clf = GridSearchCV(OneVsRestClassifier(SVC()),params, cv = 5)
它返回错误，表示C不是OneVsRestClassifier的参数。那么，用多类支持向量机实现参数网格搜索的合适方法是什么呢？
浏览 2提问于2014-04-01得票数 5
回答已采纳
1回答
我想在Opencv中优化SVM参数。但是，每次我使用train_auto时，我都会得到C=1和gamma=1。有些人使用LibSVM，但是我不能为它写一个包装器。trainingData和labels都是从现有代码中提取的，这会给出很好的结果，所以我尝试使用train_auto为该代码获取相同的参数。在原始代码C=312.5和gamma=0.50625中。我看到有人在python上使用了CvStatModel，这对C++来说是必要的吗？我在哪里犯了错？提前谢谢。
代码：
CvParamGrid CvParamGrid_C(pow(2.0,-5), pow(2.0,15), pow(2.0,2)
浏览 1提问于2014-02-21得票数 7
2回答
我有一个使用sklearn中的svm的小脚本。我使用的是Python 3.6 32位。脚本：
import pandas as pd
from sklearn import svm
### Read the CSV ###
df = pd.read_csv('C:/Users/saeed/Downloads/SalesJan2009.csv')
df
from sklearn.cross_validation import train_test_split
train, test = train_test_split(df, train_size = 0.8)
train
浏览 0提问于2017-08-02得票数 0
我在RandomizedSearchCV上做了一个调整，这是我的流水线和param_grid
我将此作为估计器进行传递：
pipe_rand_svc=MyPipeline(steps=[('standardscaler',StandardScaler()),
('randsc',RandomizedSearchCV(SVC(probability=True),
param_grid))])
我将其作为param_distributions传递
par
浏览 0提问于2020-05-10得票数 1
1回答
我在一个预测模型上运行了一个GridSearchCV，评分设置为精确。X和Y是测试分片。
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import classification_report
from sklearn.svm import SVC
tuned_parameters = [{'kernel': ['rbf'], 'gamma': [1e-3, 1e-4],
'C': [10, 100,
浏览 0提问于2019-05-26得票数 1
我试图用GridSearchCV在SVC模型中找到最佳估计器，这是我的代码和输出
from sklearn import datasets
from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV
param_grid = {'C': [5e3,1e3, 1e4, 5e4, 1e5], 'gamma': [0.0005, 0.0001, 0.001, 0.005, 0.01, 0.1]}
clf = GridSearchCV(SVC(kernel='rbf&#
浏览 3提问于2020-01-08得票数 0
有没有办法对参数值运行网格搜索，这些参数值针对选定类的分数(例如'f1')进行了优化，而不是所有类的默认分数？
编辑的假设是，这样的网格搜索应该返回一组参数，使所选类别的分数最大化(例如，'f1'，‘准确性’，‘召回’)，而不是所有类别的总分数。这样的方法似乎很有用，例如对于高度不平衡的数据集，当试图构建一个在具有少量实例的类上做合理工作的分类器时。
使用默认评分方法的GridSearchCV示例(此处:对所有类使用'f1‘)：
from __future__ import print_function
from sklearn.cross_valid
浏览 0提问于2015-07-30得票数 9
1回答
假设我有一个Pipeline对象：
from sklearn.pipeline import Pipeline
pipe = Pipeline([
('my_transform', my_transform()),
('estimator', SVC())
])
要将超参数传递给我的支持向量分类器(SVC)，我可以这样做：
pipe_parameters = {
'estimator__gamma': (0.1, 1),
'estimator__kernel': (rbf)
}
然后，我可以用Gri
浏览 2提问于2020-06-30得票数 2
回答已采纳
1回答
我在文档中看到，sklearn.svm.SVC类构造函数中有选项。
但是每当我尝试使用它时，我都会得到这样的错误消息
svc = svm.SVC(kernel=kernel_option[kernel_gene], degree=degree_value, gamma=gamma_value, max_iter = 1000)
TypeError: __init__() got an unexpected keyword argument 'max_iter'
这是我的代码：
svc = svm.SVC(kernel=kernel_option[kernel_gene], de
浏览 2提问于2012-11-28得票数 1
回答已采纳
1回答
这是我使用非线性支持向量机进行数字分类的代码。我采用交叉验证方案来选择超参数c和gamma。但是，GridSearch返回的模型没有一个n_support_属性来获取支持向量的数量。
from sklearn import datasets
from sklearn.cross_validation import train_test_split
from sklearn.grid_search import GridSearchCV
from sklearn.metrics import classification_report
from sklearn.svm import SVC
fr
浏览 2提问于2016-02-19得票数 1
回答已采纳
3回答
我开始玩科基特-学习后享受我的人工智能课上学期。我以前没有使用python的经验(我们使用了WEKA)，所以我用一个包含所有包的虚拟env设置了python3。我已经激活了虚拟env，并尝试通过python3 <filename.py>运行以下代码
从sklearn导入svm，数据集从numpy导入genfromtxt，savetxt导入sys。
def main():
digits = datasets.load_digits()
clf = svm.SVC(gamma=0.001, C=100.)
clf.fit(digits.data[:-1], di
浏览 0提问于2014-07-26得票数 0
回答已采纳
3回答
在使用Sacred时，必须将所有变量从实验配置传递到主函数中，例如
ex = Experiment('iris_rbf_svm')
@ex.config
def cfg():
C = 1.0
gamma = 0.7
@ex.automain
def run(C, gamma):
iris = datasets.load_iris()
per = permutation(iris.target.size)
iris.data = iris.data[per]
iris.target = iris.target[per]
clf = svm.SVC(
浏览 0提问于2018-11-22得票数 3
回答已采纳
1回答
用火花法训练非线性SVC模型
、、、、
有任何方法来训练一个非线性的SVC模型使用？我试过：
from sklearn.svm import SVC
svc = SVC(kernel="rbf", random_state=0, gamma=1, C=1)
model = svc.fit(features, target)
(特性、和目标是转换为List的两个数据格式)。问题是，我喜欢在中使用一个组件来训练，以加快我的训练速度
浏览 0提问于2018-05-09得票数 0
回答已采纳
1回答
我正在开发一个支持向量机，使用Python中的sci学习。
我已经训练了模型，使用GridSearch和交叉验证来寻找最优参数，并在15%的保留集上评估了最佳模型。
最后的混淆矩阵显示我有0种错误分类。
后来，当我给它一个手写数字时，模型给了我错误的预测(我没有包括这个问题的代码，以保持这个问题的简短)。
由于支持向量机误差为零，而且以后无法正确预测，因此，本文提出了一种错误的支持向量机。
我的问题是：
我怀疑我在某种程度上不正确地使用了交叉验证和GridSearch，是对的吗？或者，我是否给出了一些荒谬的GridSearch参数，并给出了错误的结果？
感谢你花时间和精力阅读了这篇文章。
步
浏览 4提问于2014-01-27得票数 2
回答已采纳
#applying grid search to find best performing parameters
from sklearn.model_selection import GridSearchCV
parameters = [{'C':[1, 10, 100, 1000], 'gamma': [ 0.1, 0.2,0.3, 0.5]}]
grid_search = GridSearchCV(SVC(kernel='rbf' ), parameters,cv =5, n_jobs= -1)
grid_search.fit
浏览 0提问于2020-01-10得票数 1
回答已采纳
3回答
我正在为sklearn中的SVC优化一些参数，这里最大的问题是在我尝试任何其他参数范围之前必须等待30分钟。更糟糕的是，我想在相同的范围内尝试更多的c和gamma值(这样我就可以创建一个更平滑的曲面图)，但我知道这只会花费越来越长的时间……当我今天运行它的时候，我把cache_size从200改成了600 (实际上我并不知道它是做什么的)，看看它是否起到了作用。时间减少了大约一分钟。
我能帮上什么忙吗？或者我要面对很长一段时间？
clf = svm.SVC(kernel="rbf" , probability = True, cache_size = 600)
gamma_r
浏览 0提问于2016-02-26得票数 19
回答已采纳
我是SVM (RBF核)来学习我的数据并试图找到最优的γ和C，我的代码如下：
from sklearn import svm
C = np.array([1, 10, 100, 1000])
gamma = np.array([1e-3, 1e-4])
avg_rbf_f1 = []
for a in C:
for b in gamma:
rbf_model = svm.SVC(kernel='rbf',C=a, gamma=b)
rbf_scores = cross_val_score(rbf_model, X_train, y_
浏览 1提问于2018-09-26得票数 3
回答已采纳
2回答
我正在对一个数据集执行支持向量机，该数据集有10个折叠值，分别对应于C和gamma的不同值 from sklearn.datasets import load_digits, load_iris, load_breast_cancer, load_wine
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.utils import shuffle
from sklearn import preprocessing
from sklearn.preproce
浏览 34提问于2021-09-03得票数 0
回答已采纳
1回答
model_SVC = SVC(C=1000,gamma=0.1, kernel='rbf')
model_SVC.fit(X_train,Y_train) #CASIA2
predictions=model_SVC.predict(X_test)
print(accuracy_score(Y_test,predictions))
print(confusion_matrix(Y_test,predictions))
print(classification_report(Y_test,predictions))
，我需要帮助创建一个混乱的矩阵，使用海运和代码来预测图像。有
浏览 14提问于2022-07-23得票数 0
回答已采纳
我将GridSearchCV的参数设置为：
parameters = {'kernel':['rbf'], 'C':[1, 5, 0.5], 'gamma':[1, 5, 0.5]}
grid = GridSearchCV(SVC(), parameters)
grid.fit(dataset, targets)
则grid.best_params_或grid.best_estimator_始终返回列表中的第一个最佳参数(即1和1)。如果我改变参数的顺序，并将5放在'C‘的列表顶部，那么最好的参数是'C'=
浏览 1提问于2015-02-06得票数 2
我正在尝试使用scikit-learn库中的SVC类来解决多类分类问题。我对一对一策略很感兴趣。我想为每一对类优化超参数(C和gamma)。但我不知道在scikit-learn中该怎么做。我该怎么做呢？非常感谢。
浏览 5提问于2016-02-02得票数 1
2回答
我正在使用GridSearchCV，并希望将支持向量保存如下：
np.save("support_vectors.npy", gs_cv.best_estimator_.named_steps['svm'].support_vectors_)
但我知道这个错误：
File "./improved_grid_search.py", line 500, in <module>
np.save("support_vectors.npy", gs_cv.best_estimator_.named_steps[
浏览 14提问于2022-04-22得票数 0
我正在尝试对breast_cancer进行简单的分类。
import warnings
warnings.filterwarnings("ignore")
import pandas as pd
from sklearn.datasets import load_breast_cancer
lbc = load_breast_cancer()
X = pd.DataFrame(lbc.data, columns=lbc.feature_names)
y = pd.Series(lbc.target).to_frame()
from sklearn.model_selectio
浏览 16提问于2021-10-19得票数 0
1回答
我想在OnevsRest分类器上做一个网格搜索，我的模型是SVC，但是它向我展示了使用网格搜索时出现的以下错误--如何解决？？
密码-
from sklearn.model_selection import GridSearchCV
# defining parameter range
param_grid = {'C': [0.1, 1, 10, 100, 1000],
'gamma': [1, 0.1, 0.01, 0.001, 0.0001],
'kernel': [
浏览 6提问于2020-05-11得票数 1
回答已采纳
2回答
如何对SVC进行超参数调整？
、、、、
我试图对我的模型进行超参数调优，但是这个错误一直显示出来。
error : Invalid parameter svc_c for estimator SVC(). Check the list of available parameters with `estimator.get_params().keys()
我使用以下代码：
param_grid = {'svc_c': [5, 10, 100],
'svc_gamma': [1,0.1,0.01,0.001],
'svc_dgree
浏览 5提问于2021-08-23得票数 0
回答已采纳
1回答
我有以下代码：
import numpy as np
from sklearn import svm
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import accuracy_score
from functools import partial
import pandas as pd
def tanimotoKernel(xs, y
浏览 0提问于2021-07-11得票数 1
我用基于RBF核的支持向量机回归训练了一个模型。我想知道对于基于RBF核的支持向量机来说，哪些特征是非常重要的或主要的贡献特征。我知道有一种方法可以根据向量的大小来确定线性支持向量回归的最重要的特征。然而，对于基于RBF核的支持向量机，由于特征被转换到一个新的空间，我不知道如何提取最有贡献的特征。我正在使用python中的scikit-learn。有没有一种方法可以在基于RBF核的支持向量回归或非线性支持向量回归中提取最有贡献的特征？
from sklearn import svm
svm = svm.SVC(gamma=0.001, C=100., kernel = 'linear&
浏览 4提问于2019-11-19得票数 5
2回答
我正在开发一个系统，它可以优化支持向量机(LIBSVM工具箱)的参数和最佳特性(输入)。我的优化技术是和谐搜索或遗传算法。在将数据插入到系统( Maxmin或美白)之前，我已将其规范化，因此您知道，我必须设置
-g gamma : set gamma in kernel function
-c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR
我有一个金融数据库的二进制分类问题。此外，有时我还使用“PCA”等降维技术和其他技术。
那么，您建议的伽马参数和成本参数搜索间隔是多少？
第二个问题:你认为我应该用优化技术来优化L
浏览 3提问于2014-05-12得票数 2
回答已采纳
我正在查看关于GridSearchCV的sklearn文档网页。best_estimator_是GridSearchCV对象的一个属性。所以这是我的问题。如何向GSCV对象传递多个估计器？
使用如下字典：{'SVC()':{'C':10, 'gamma':0.01}, ' DecTreeClass()':{....}}
浏览 2提问于2018-08-01得票数 15
回答已采纳
因此，我正在使用支持向量机( SVM )和mlx趋向包执行一个特性选择。X是一个具有特征的数据，y是目标变量。这是我代码的一部分。
from sklearn.svm import SVC
from mlxtend.feature_selection import SequentialFeatureSelector as SFS
def SFFS(X, y, C_GS, gamma_GS, kernel_GS):
sfs = SFS(SVC(kernel = kernel_GS, C = C_GS, gamma = gamma_GS),
k_features = (1
浏览 2提问于2021-01-23得票数 0
回答已采纳
1回答
我为sklearn的SVC类创建了一个自定义rbf函数，如下所示： def rbf_kernel(x, y, gamma):
dis = np.sqrt(((x.reshape(-1, 1)) - y.reshape(1, -1)) ** 2)
return np.exp(-(gamma*dis)**2)
def eval_kernel(kernel):
model = SVC(kernel=kernel, C=C, gamma=gamma, degree=degree, coef0=coef0)
model.fit(X_train, y_train)
浏览 71提问于2021-11-11得票数 1
回答已采纳
我使用下面的代码来精确计算分数。为什么默认配置比GridSearch提供更好的结果？
默认配置
clf = svm.SVC(kernel='rbf', gamma='auto')
clf.fit(x_train, y_train.values.ravel())
y_train_pred = clf.predict(x_train)
y_test_pred = clf.predict(x_test)
print('Train set a
浏览 0提问于2019-06-30得票数 2
我的目标是有三个最准确的预测标签。 通过使用此解决方案 clf = svm.SVC(
kernel='rbf',
C=51,
gamma=1,
probability=True
).fit(X,y)
predictions=[]
with open('model.pkl', 'rb') as f:
clf = pickle.load(f)
for line i
浏览 169提问于2021-07-16得票数 0
回答已采纳
我想使用f2-score来评估我的模型，但有一个错误。 from sklearn.metrics import fbeta_score, make_scorer
ftwo_scorer = make_scorer(fbeta_score, beta=2) # beta=2 您可以看到，我使用fbeta_score和make_scorer来定义我的指标。但是，当我将此指标应用于fit时，出现错误。 from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV
svc = SVC()
parameters
浏览 31提问于2021-03-31得票数 1
回答已采纳
为了找到最佳参数，我运行了5折的RandomizedSearchCV。我有一个用于预测的坚持集(X_test)。我的代码部分是： svc= SVC(class_weight=class_weights, random_state=42)
Cs = [0.01, 0.1, 1, 10, 100, 1000, 10000]
gammas = [1e-1, 1e-2, 1e-3, 1e-4, 1e-5]
param_grid = {'C': Cs,
'gamma': gammas,
'kernel&#
浏览 20提问于2019-07-02得票数 0
回答已采纳
我在eclipse中编写了一段代码，如下所示。
在使用来自数据格式为libSVM的output.txt的输入时运行svm_train。使用交叉验证，同时在svm_train中添加"-v 3“，这是控制台上libSVM的输出。
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
public class libSVM {
public static void main(String[] args) {
try {
Proc
浏览 2提问于2021-01-11得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
