如何使用sklearn中的SVM？sklearn中有sgdclassizer，可以通過改變損失函數(shù)損失來對(duì)應(yīng)不同的分類回歸學(xué)習(xí)器，如下圖所示：默認(rèn)為使用鉸鏈損失，即實(shí)現(xiàn)線性支持向量機(jī)1首先需要安裝py

如何使用sklearn中的SVM？

sklearn中有sgdclassizer，可以通過改變損失函數(shù)損失來對(duì)應(yīng)不同的分類回歸學(xué)習(xí)器，如下圖所示：

默認(rèn)為使用鉸鏈損失，即實(shí)現(xiàn)線性支持向量機(jī)

1首先需要安裝python，在線下載，然后在本地安裝 pythonsetup.pyinstall2下載sklearn包進(jìn)行本地安裝（使用pip或easy）安裝總是錯(cuò)誤的，例如無法導(dǎo)入burringhash3安裝后，可以使用nostests或learn進(jìn)行測(cè)試

這取決于數(shù)據(jù)量和樣本量。不同的樣本和特征數(shù)據(jù)適用于不同的算法。像神經(jīng)網(wǎng)絡(luò)這樣的深度學(xué)習(xí)算法需要訓(xùn)練大量的數(shù)據(jù)集來建立更好的預(yù)測(cè)模型。許多大型互聯(lián)網(wǎng)公司更喜歡深度學(xué)習(xí)算法，因?yàn)樗麄儷@得的用戶數(shù)據(jù)是數(shù)以億計(jì)的海量數(shù)據(jù)，這更適合于卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)算法。

如果樣本數(shù)量較少，則更適合使用SVM、決策樹和其他機(jī)器學(xué)習(xí)算法。如果你有一個(gè)大的數(shù)據(jù)集，你可以考慮使用卷積神經(jīng)網(wǎng)絡(luò)和其他深度學(xué)習(xí)算法。

以下是一個(gè)圖表，用于說明根據(jù)樣本數(shù)量和數(shù)據(jù)集大小選擇的任何機(jī)器學(xué)習(xí)算法。

如果你認(rèn)為它對(duì)你有幫助，你可以多表?yè)P(yáng)，也可以關(guān)注它。謝謝您！