svm学习之线性部分总结
svm是非常适合小数据集或中等规模的数据集的一个分类器；
svm对feature scales是非常敏感的；如图所示：
如果训练数据不进行缩放，支持向量机就会倾向于忽略值较小的特征
对于线性分类器，有三种用法：一种是from sklearn.svm import LinearSVC，如图所示：
svm_clf=Pipeline((
('scaler',StandardScaler()),
('linear_svc',LinearSVC(C=1,loss='hinge')),
))
LinearSVC比SVC与SGDClassifier要好，但SGDClassifier对于处理非常大的数据集，即无法装入内存，或是在线训练是非常有帮助的；
LinearSVC正则化了偏置项，因此训练集需要减去均值；这个可以通过StanderdScaler; 此外需要确保loss函数为hinge损失函数，而不是默认值；最后，最好的表现应该设置对偶参数为False，除非你特征数比样本多；