我在哪裡可以閱讀 scikit-learn 中 SVM 中的伽馬係數？

Scikit 學習支持向量機算法有幾個係數，這意味著我無法理解。

伽瑪：浮動，可選（默認=0.0）

‘rbf’、‘poly’ 和 ‘sigmoid’ 的核係數。如果 gamma 為 0.0，則將使用 1/n_features 代替。

和

coef0：浮動，可選（默認=0.0）

核函數中的獨立項。它僅在“poly”和“sigmoid”中有意義。

我試圖在支持向量機中搜索 gamma，但沒有找到任何相關信息。誰能解釋一下這些參數的含義以及它們的合理價值。

RBF核函數如下，對於兩個向量和：

超參數用於配置對特徵向量差異的敏感度，這又取決於輸入空間維數和特徵歸一化等各種因素。 如果你設置太大，你最終會過擬合。在極限情況下，核矩陣成為單位矩陣，導致訓練數據的完美擬合，儘管是一個完全無用的模型。

的最優值完全取決於您的數據，任何經驗法則都應以一磅鹽為準。也就是說，對於帶有 RBF 內核的 SVM，您可以使用專門的庫來為您優化超參數（例如Optunity (*)）和. 您可以在此處找到使用 Optunity 和 scikit-learn 自動優化這些參數的示例。

(*) 免責聲明：我是 Optunity 的首席開發人員。

引用自：https://stats.stackexchange.com/questions/168014