---
title: 分类回归
description: "简单介绍SVM算法各个参数对模型的性能影响。配置文件默认目录是“$KAL_TEST/conf/ml/svm”，“$KAL_TEST/conf/”是kal-test测试工具部署路径。"
url: https://www.hikunpeng.com/document/detail/zh/kunpengbds/appAccelFeatures/algorithmaccelf_ml/kunpengbdsml_05_0013.html
sourcePath: /source/zh/kunpengbds/appAccelFeatures/algorithmaccelf_ml/kunpengbdsml_05_0013.html
indexId: 274293d013689e2b7ee75c49a17606052c47b96e5287b6cf8ea4253344c776d383
---
# 分类回归

#### SVM算法调优

简单介绍SVM算法各个参数对模型的性能影响。配置文件默认目录是“$KAL_TEST/conf/ml/svm”，“$KAL_TEST/conf/”是kal-test测试工具部署路径。

| 参数 | 说明 | 建议 |
| --- | --- | --- |
| numPartitions | Spark分区数量，分区越多意味着任务数太多，每次调度耗时会增加，分区太少，会导致一些节点没有分配到任务，并且会使每个分区处理的数据量增大，从而使每个agent节点内存提高。 | 在0.5~1.5倍的总核数（executor\_cores与num\_executor乘积）进行网格搜索，建议使用1倍总核数。 |
| maxIter | 最大迭代次数，控制模型的收敛精度，设置太大，训练时间过长，并且容易使模型过拟合，造成精度下降，设置太小，模型未收敛到最优值，造成精度不高。 | 在50~150范围内进行搜参，建议使用缺省值100。对于features数量较少的数据集可适当减小迭代值。 |
| inertiaCoefficient | 历史方向信息在动量计算中的权重，优化算法新增参数，正实数双精度类型，用于对精确度进行调优，通过spark.boostkit.LinearSVC.inertiaCoefficient参数设置。 | 缺省值为0.5。 |