SVM--三种损失函数--smo算法 这里C越大,代表对kesei的惩罚也大,也就是也不放松,不松弛,所以C越大越容易过拟合;C越小越容易欠拟合gamma越大,支持向量越多,gamma值越小,支持向量越少。gamma越小,模型的泛化性变好,但过小,模型实际上会退化为线性模型;gamma越大,理论上SVM可以拟合任何非线性数据... 西瓜书 2024-10-12 35 点赞 0 评论 53 浏览