python - 具有硬边距和 C 值的支持向量机

Question

我必须创建一个带有 RBF 内核和硬边距的 svm 分类器。如果我没理解错的话，margin的种类是由C参数控制的。也就是说，C 参数越大，我得到的硬裕度就越大。是否有一个典型的 C 值可以模拟非常强大的“硬裕度”？或者有没有其他方法可以模拟强大的硬边距？当然，我们总是可以讨论为什么我们需要模仿硬边距。但在这种情况下，我需要模仿它!

clf = svm.SVC(C = ??,kernel="rbf",gamma =1.5,shrinking=False,cache_size=3000)

Answer 1

通常您不需要那么大的值，但总的来说就是这样。只需尝试将其设置为 1e10，然后查看生成的 alpha。

如果没有任何 alpha 处于 C 值，则不应用正则化(即所有点都在训练集中正确分类 = 硬边距)。

顺便说一句，如果您的数据集非常嘈杂并且无法与您使用的内核分离，则您无法实现硬边距。