页面树结构
转至元数据结尾
转至元数据起始

概述

支持向量机,英文为Support Vector Machine,简称SVM。它是一种监督式学习的方法,它广泛的应用于统计分类分析中。支持向量机将向量映射到一个更高维的空间里,在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面,分隔超平面使两个平行超平面的距离最大化。

支持向量机算法是以极大化类间间隔为目标,并以之作为最佳分类超平面,其中定义的类间间隔为两类样本到分类超平面的最小距离,通过引入松弛变量,使支持向量机能够解决类间重叠问题,并提高泛化能力。

它的主要优势为:

1)特征映射,有效区分。

2)约束性求优,更加准确区分类别。

示例

使用“银行信用贷款预测”案例数据,共12个特征和1个二类的目标标签,需要预测是否贷款。通过数据预处理及模型训练,如下图:

其中,数据探索是为了解各变量之间的相关关系,方便之后数据分析中参数特征的设定;特征转换是为了将各变量中的类别型变量变换成数值型变量,类别型无法进入模型,转换后方便算法模型学习;特征离散是把连续特征分段,每一段内的原始连续特征无差别的看成同一个新特征,是为了提高模型的准确度,提高运行速度。

模型构建中,支持向量机的各个参数:

参数名称

说明

归一化

正则化

详情请参考 归一化 介绍说明。

标准化

最小最大值归一化

最大绝对值归一化

最大迭代数

参数范围为:>=1的整数,默认值为10

算法的最大迭代次数,达到最大迭代次数即退出。

最大迭代次数的值越大,模型训练更充分,但会耗费更多时间。

正则参数

参数范围为:>=0的数,默认值为 :0。

正则项系数,损失函数中的 。

正则化可以解决模型训练中的过拟合现象;

正则项系数越大,模型越不会过拟合。

收敛阈值

参数范围为:>=0的数,默认值为 :0.000001。

收敛误差值。

收敛误差值,当损失函数取值优化到小于收敛阈值时停止迭代。

分类阈值

参数范围为:0~1。默认值为:0.5。

在二进制分类中设置阈值thresholds。

如果模型预测结果为分类标签1的估计概率>thresholds,则预测为1,否则为0。高阈值是鼓励模型更频繁地预测0,反之则预测为1。

自动调参设置

系统默认的各项参数值范围。

必须结合“启用自动调参”功能使用。系统将对这些范围内的参数值循环调参,匹配出最优的组合。若运行速度比较慢,可将参数范围调小点。

启用自动调参: 勾选该项,则系统自动调参数,不需要用户手工设置参数。

右键单击评估节点,选择查看分析结果,如下图:

F1分数决定模型效果的程度,F1值越大,说明模型预测的效果最佳。这里f1值为0.82。说明该模型效果还是不错的。效果不理想的化还可以继续调优模型。