파이썬 SVM

SVM

from sklearn.svm import SVC
model = SVC(C=10, gamma=1, random_state=1, probability=True) #gamma='auto'

 

SVM 파라미터

# C=float, default=1.0
# kernel={‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’}, default=’rbf’
# degree=int, default=3
# gamma={‘scale’, ‘auto’} or float, default=’scale’ # 'rbf', 'poly','sigmoid'에 대한 커널계수
# coef0=float, default=0.0 #coef0는 모델이 높은 차수와 낮은 차수에 얼마나 영향을 끼치는지 정할 수 있다.

# shrinking=bool, default=False 
# probability=bool, default=False # 확률 추정을 활성화할지 여부입니다.

# tol=float, default=1e-3
# cache_size=float, default=200 #커널 캐시의 크기(MB)를 지정합니다.
# class_weight=dict or ‘balanced’, default=None

# verbose=bool, default=False
# max_iter=int, default=-1 # 솔버 내 반복에 대한 엄격한 제한 또는 제한이 없는 경우 -1입니다.
# decision_function_shape={‘ovo’, ‘ovr’}, default=’ovr’
# break_ties=bool, default=False
# random_state = {int, RandomState instance, None}, 기본값=None

model.fit(X_train, y_train['gender'])
print(model.score(new_X_train, new_y_train))
predict = model.predict_proba(X_val)
pred = predict[:, 1]
from sklearn.metrics import roc_auc_score
print(roc_auc_score(y_val, pred))