分类模型的参数产生不同的结果答案

【问题标题】：Classification Model's parameters produce different results分类模型的参数产生不同的结果
【发布时间】：2021-05-10 12:24:59
【问题描述】：

我正在研究用于分类的 SVC 模型，每次更改参数值（svc__gamma、svc__kernel 和 svc__C）时，我都会遇到不同的准确度结果，我阅读了 Sklearn 的文档，但我不明白这些参数是什么意思是，我有三个问题：

这些参数表示什么？
我每次改变它的效果准确度如何？
什么是正确的参数值？

准确度的结果是 0.70，但是当我删除 svc__gamma 和 svc__C 时，结果会增加到 0.76。

    pipe = make_pipeline(TfidfVectorizer(),
                             SVC())
param_grid = {'svc__kernel': ['rbf', 'linear', 'poly'],
                     'svc__gamma': [0.1, 1, 10, 100],
                     'svc__C': [0.1, 1, 10, 100]}

svc_model = GridSearchCV(pipe, param_grid, cv=3)
svc_model.fit(X_train, Y_train)

prediction = svc_model.predict(X_test)
print(f"Accuracy score is {accuracy_score(Y_test, prediction):.2f}")
print(classification_report(Y_test, prediction))

【问题讨论】：

标签： python algorithm machine-learning model svc

【解决方案1】：

到 1.

gamma 是高斯钟形曲线的一个参数，所以它应该只影响 RBF（高斯核）
C 是优化问题的参数，拉格朗日乘数的倒数

到。 2.

熟悉数学背景以充分了解它们如何影响您的准确性（旁注：准确性通常不是可靠的衡量标准，但取决于上下文）

到 3.

没有“正确”的参数。它们取决于上下文、数据和您想要实现的目标。通常在算法处理测试数据的效果与处理新数据的效果（过拟合与欠拟合）之间进行权衡

我希望这有助于第一步 :) 欲了解更多信息，我建议SVM。

【讨论】：