Scikit learn 支持向量回归中的度&RBF核_Scikit Learn_Svm_Gaussian

Scikit learn 支持向量回归中的度&RBF核

scikit-learn

Scikit learn 支持向量回归中的度&RBF核,scikit-learn,svm,gaussian,Scikit Learn,Svm,Gaussian,我想问一下SVM上的RBF核在此处的sklearn文档中：指出“核函数的阶数仅在poly、rbf、sigmoid中显著我可以理解多项式核上度的含义，但是高斯（rbf）核呢？如我所见，sklearn的库中的默认值是3。我还运行了一个GridSearch，其中一些数字是我得出的，估计3也是最佳值。这真的很重要吗？或者这只是一个错误类型？如果是的话，有人能解释一下它的意义和价值吗提前感谢内核只是用来实现模型的基函数。3次多项式函数是ax^3+bx^2+cx+d。你可以使用更高次的多项式，但

我想问一下SVM上的RBF核

在此处的sklearn文档中：指出“核函数的阶数仅在

poly

、

rbf

、

sigmoid

中显著

我可以理解多项式核上度的含义，但是高斯（rbf）核呢？如我所见，sklearn的库中的默认值是3。我还运行了一个

GridSearch

，其中一些数字是我得出的，估计3也是最佳值。这真的很重要吗？或者这只是一个错误类型？如果是的话，有人能解释一下它的意义和价值吗

提前感谢

内核只是用来实现模型的基函数。3次多项式函数是

ax^3+bx^2+cx+d

。你可以使用更高次的多项式，但是你可能会过拟合，这意味着你的模型不能很好地推广，这正是你想要的iquis可防止过度安装

RBF内核基于高斯函数，类似aexp（-bx）。如果你对机器学习一无所知，我建议你使用这些函数。一般来说，它们适应得最好

如果你想了解更多关于机器学习的信息，在线课程对初学者来说是非常好的