为什么 LinearSVC 在这个数据集上效果如此糟糕？
Why LinearSVC works so bad on this dataset?
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 的效果很差。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？我真的觉得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。
假设您的数据居中，将您的 fit_intercept 设置为 False。通过增加错误成本 (C=100)：
，您可以通过减少正则化来做得更好
svc = LinearSVC(fit_intercept=False, C=100)
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 的效果很差。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？我真的觉得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。
假设您的数据居中，将您的 fit_intercept 设置为 False。通过增加错误成本 (C=100)：
svc = LinearSVC(fit_intercept=False, C=100)