Scikit-Learn

9.
 
Scikit-Learn — Support Vector Machines 
(SVMs) 

---

Scikit-Learn
65 
SVM in Scikit-learn supports both sparse and dense sample vectors as input.
Classification of SVM 
Scikit-learn provides three classes namely 
SVC, NuSVC
and 
LinearSVC 
which can 
perform multiclass-class classification.
SVC 
It is C-support vector classification whose implementation is based on 
libsvm
. The module 
used by scikit-learn is 
sklearn.svm.SVC
. 
This class handles the multiclass support 
according to one-vs-one scheme.
Parameters 
Followings table consist the parameters used by 
sklearn.svm.SVC
 
class: 
Parameter 
Description 
C:
float, optional, 
default = 1.0 
It is the penalty parameter of the error term. 
kernel:
 
string, 
optional, default = 
‘rbf’
 
This parameter specifies the type of kernel to be used in the algorithm. 
we can choose any one among, ‘
linear
’, ‘
poly
’, ‘
rbf
’, ‘
sigmoid
’, 
‘
precomputed
’. The default value of kernel would be ‘
rbf
’.
degree:
 
int, 
optional, default = 3 
It represents the degree of the ‘poly’ kernel function and will be ignored 
by all other kernels. 
gamma:
 
{‘scale’, 
‘auto’} 
or
 
float, 
It is the kernel coefficient for kernels ‘rbf’, ‘poly’ and ‘sigmoid’.
Hyperplane