class sklearn.svm.NuSVC(nu=0.5,
kernel=’rbf’,
degree=3,
gamma=’auto_deprecated’,
coef0=0.0,
shrinking=True,
probability=False,
tol=0.001,
cache_size=200,
class_weight=None,
verbose=False,
max_iter=-1,
decision_function_shape=’ovr’,
random_state=None)
nu : float,optional(默认值= 0.5)
训练误差分数的上限和支持向量分数的下限。应该在区间(0,1)。
kernel : string,optional(default =‘rbf’)
指定要在算法中使用的内核类型。它必须是’linear’,‘poly’,‘rbf’,‘sigmoid’,‘precomputed’或者callable之一。如果没有给出,将使用’rbf’。如果给出了callable,则它用于预先计算内核矩阵。
degree : int,可选(默认= 3)
多项式核函数的次数(‘poly’)。被所有其他内核忽略。
gamma : float,optional(默认=‘auto’)
‘rbf’,'poly’和’sigmoid’的核系数。
当前默认值为’auto’,它使用1 / n_features,如果gamma=‘scale’传递,则使用1 /(n_features * X.var())作为gamma的值。