为啥 LinearSVC 在这个数据集上效果这么差？

Posted 2023-03-12

【中文标题】为啥 LinearSVC 在这个数据集上效果这么差？

【英文标题】：Why LinearSVC works so bad on this dataset?为什么 LinearSVC 在这个数据集上效果这么差？

【发布时间】：2019-09-18 12:25:39

【问题描述】：

我刚刚生成了一个数据集，从散点图中我认为这些散点是完全可分离的。但我真的不知道为什么 Linear SVC-sklearn 工作得非常糟糕。数据集散点图和SVC结果如下：

scatter plot Linear SVC result

我使用的代码是这样的

from sklearn.svm import LinearSVC    
svc = LinearSVC()    
model = svc.fit(X, y)

谁能帮我解决这个问题？我真的认为 SVM 应该有更好的结果。

数据集 csv 文件在这里： data csv file

前两列分别是x和y，第三列是数据标签。

【问题讨论】：

提供数据集可以让其他人重现问题并测试潜在的解决方案。

我对堆栈溢出很陌生。我只是发布了这个数据集的谷歌驱动器链接。谢谢！

【参考方案1】：

假设您的数据居中，请将您的 fit_intercept 设置为 False。通过增加错误的成本（C=100），您可能会在减少正则化的情况下做得更好：

svc = LinearSVC(fit_intercept=False, C=100)

【讨论】：

行得通！非常感谢。你能花点时间解释一下为什么我们在这里不需要 fit_intercept 吗？我看到很多例子只设置了C值。

它与拦截被纳入优化的方式有关，它被添加为一个特性并与其余部分一起规范化。我总是更喜欢通过尽可能集中数据进行显式预处理，有时我不这样做时会得到令人讨厌的结果（尤其是使用 PCA）。

没错，我得到的数据是经过 PCA 处理的。你的回答真的很有帮助。再次感谢！