C：懲罰系數(shù)，即對(duì)誤差的寬容度。C越高，說(shuō)明越不能容忍出現(xiàn)誤差，容易過(guò)擬合；C越小，容易欠擬合。C過(guò)大或者是過(guò)小，泛化能力都會(huì)變差。

gamma是選擇徑向基函數(shù)（RBF）作為kernel后，該函數(shù)自帶的一個(gè)參數(shù)。隱含地決定了數(shù)據(jù)映射到新的特征空間后的分布，gamma越大，支持向量越少，gamma越小，支持向量越多。支持向量的個(gè)數(shù)影響訓(xùn)練與預(yù)測(cè)的速度。

C 和 gamma是相互獨(dú)立的。

RBF函數(shù)公式：

注意sigma和gamma的關(guān)系。 gamma會(huì)影響每個(gè)支持向量對(duì)應(yīng)的高斯作用范圍，從而影響泛化性能。如果gamma設(shè)太大，

會(huì)很小， 很小的高斯分布長(zhǎng)得又高又瘦，會(huì)造成只會(huì)作用于支持向量樣本附近，對(duì)于未知樣本分類(lèi)效果很差，存在訓(xùn)練準(zhǔn)確率可以很高，(如果讓

無(wú)窮小，則理論上，高斯核的SVM可以擬合任何非線(xiàn)性數(shù)據(jù)，但容易過(guò)擬合)而測(cè)試準(zhǔn)確率不高的可能，就是通常說(shuō)的過(guò)擬合；而如果設(shè)的過(guò)小，則會(huì)造成平滑效應(yīng)太大，無(wú)法在訓(xùn)練集上得到特別高的準(zhǔn)確率，也會(huì)影響測(cè)試集的準(zhǔn)確率，就會(huì)發(fā)生欠擬合。

關(guān)于RBF的核函數(shù)SVM可以得到的兩個(gè)結(jié)論：

1、樣本數(shù)目少于特征維度并不一定會(huì)導(dǎo)致過(guò)擬合

2、RBF核應(yīng)該可以得到與線(xiàn)性核相近的效果（按照理論，RBF核可以模擬線(xiàn)性核），可能好于線(xiàn)性核，也可能差于，但是，不應(yīng)該相差太多。當(dāng)然，很多問(wèn)題中，比如維度過(guò)高，或者樣本海量的情況下，大家更傾向于用線(xiàn)性核，因?yàn)樾Ч喈?dāng)，但是在速度和模型大小方面，線(xiàn)性核會(huì)有更好的表現(xiàn)。

參考：

CSDN-專(zhuān)業(yè)IT技術(shù)社區(qū)-登錄?blog.csdn.net

總結(jié)

以上是生活随笔為你收集整理的gamma函数stiriling公式_SVM参数: C和gamma的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。