机器学习 · 函数

创建SVM分类器

创建 SVM 分类器。

调用签名(核: 'str' = 'rbf', C: 'float' = 1.0, **选项)

创ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 创建SVM分类器
设 结果 = 机器学习.创建SVM分类器(
    核='rbf',  # 可选；字符串类型的 核 参数,按函数业务含义传入对应文...
    C=1.0,  # 可选；数值类型的 C 参数,按函数业务含义传入对应浮点...
    **[1, 2, 3, 4],  # 可选；额外关键字参数，用字典形式展开传入
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

3 个参数

参数类型 / 传入方式说明

核可选 · 默认 'rbf'

str位置参数或字段名=值

字符串类型的核参数,按函数业务含义传入对应文本。

常见错误：传非字符串会报 TypeError;按字符串类型传值

C可选 · 默认 1.0

float位置参数或字段名=值

数值类型的 C 参数,按函数业务含义传入对应浮点数。

常见错误：传非数值会报 TypeError;按数值类型传值

选项可选 · 默认不传则为空

未声明可变关键字参数，用 **字典展开

额外关键字参数，用字典形式展开传入。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 创建SVM分类器
设 结果 = 机器学习.创建SVM分类器(
    核='rbf',  # 可选；字符串类型的 核 参数,按函数业务含义传入对应文...
    C=1.0,  # 可选；数值类型的 C 参数,按函数业务含义传入对应浮点...
    **[1, 2, 3, 4],  # 可选；额外关键字参数，用字典形式展开传入
)
打印(结果)

# 进阶组合:创建SVM分类器 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.创建SVM分类器(
    核='rbf',  # 可选
    C=1.0,  # 可选
    **[1, 2, 3, 4],  # 选项
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:类型不匹配
# 错误:传错类型
# 设 结果 = 机器学习.创建SVM分类器(核=None)  # TypeError
# 修复:按字段类型 str 传值
设 结果 = 机器学习.创建SVM分类器(核='rbf')
打印(结果)