线性支持向量机

支持向量机SVM是基于统计学习理论的一种机器学习方法，通过寻求结构风险最小化，提高学习机泛化能力，从而实现经验风险和置信范围最小化。

仅支持通过可视化方式，配置读取该组件参数，参数详情如下表所示：

• 可视化方式

页签	参数	参数名称	是否必选	参数描述	默认值
数据源	表名	inputTable	是	数据表	无
默认参数	选择特征标签列	labelColName	是	输入表中作为标签的列。	无
模型参数	惩罚参数	C	是	C越大，相当于惩罚松弛变量，松弛变量接近0，即对误分类的惩罚增大，趋向于对训练集全分对的情况，准确率很高，泛化能力弱。	1
模型参数	核函数	kernel	是	包括linear、poly、rbf、sigmoid、precomputed等。	linear
调优参数	核函数参数	gamma	是	包括rbf，poly，sigmoid，auto。	auto
调优参数	核函数的常数项	coef0	是	对于poly和sigmoid有用。	0
调优参数	停止训练误差值大小	tol	是	停止训练误差值大小。	0.001
调优参数	最大迭代次数	max_iter	是	最大迭代次数。	100
调优参数	数据洗牌时的种子值	random_state	是	数据洗牌时的种子值。	116
调优参数	核函数参数	decision_function_shape	是	包括ovo，ovr，None。	None