我想了解gamma参数在 SVM 中的作用。根据这个页面。
直观地说，该
gamma参数定义了单个训练示例的影响范围，低值表示“远”，高值表示“接近”。这些gamma参数可以看作是模型选择的样本作为支持向量的影响半径的倒数。
我不明白“单个训练示例达到”的这一部分，它是指训练数据集吗？
SVM 中“gamma”参数的用途是什么？
人工智能
机器学习
支持向量机
超参数
2021-10-22 05:22:04
2个回答
我总结了SVM 的关键思想。所以这就是与高斯内核一起使用：
越大的，决策边界越“线性”。越接近 0，您拥有的支持向量越多/边界越非线性（参见交互式示例）
你也可以在 udacity 上找到它：SVM Gamma Parameter
在实践中，您可以使用网格搜索或随机搜索来获得好的值。
粗略地说，gamma越高，模型越复杂，过拟合的风险就越高。
事实上，正如您在链接的页面上看到的那样：
如果gamma 太大，则支持向量的影响区域半径仅包括支持向量本身[...]
当gamma 非常小时，模型过于受限，无法捕捉数据的复杂性或“形状”。任何选定支持向量的影响区域将包括整个训练集。