sklearn.svm.LinearSVC文檔學習

https://scikit-learn.org/stable/modules/generated/sklearn.svm.LinearSVC.html#sklearn.svm.LinearSVC

1.類定義

class sklearn.svm.LinearSVC(penalty=’l2’, loss=’squared_hinge’, dual=True, tol=0.0001, C=1.0, multi_class=’ovr’, fit_intercept=True, intercept_scaling=1, class_weight=None, verbose=0, random_state=None, max_iter=1000)

 這樣會建立一個類，而且類中除了目前建立時的參數還有方法。

1.1類的方法

1.2類的屬性

 

2.定義參數說明

penalty	string, ‘l1’ or ‘l2’ (default=’l2’)	指明在懲罰中使用的範數。
loss	string, ‘hinge’ or ‘squared_hinge’ default=’squared_hinge’)	指明損失函數，hinge時SVM中標準損失函數
dual	bool, (default=True)	選擇要解決對偶優化問題仍是原始優化問題的算法。當樣本數>特徵數時最好=False
tol	可選  float, optional (default=1e-4)	Tolerance for stopping criteria.
C	可選float, optional (default=1.0)	錯誤項的懲罰參數C。
multi_class	string, ‘ovr’ or ‘crammer_singer’  default=’ovr’)	ovr訓練n個一對多分類器，cram優化全部類別的聯合目標（不多選擇，代價過高）
fit_intercept	可選boolean, optional (default=True)	是否計算截距，若是是False，那麼不計算（好比數據已經中心化）
intercept_scaling	可選 float, optional (default=1)	在使用fit_intercept後使用
max_iter	int, (default=1000)	要運行的最大迭代次數

3.