Was ist der Unterschied zwischen SVC und SVM in scikit-learn?

Question

Von der documentation scikit-learn implementiert SVC, NuSVC und LinearSVC, die Klassen sind, die in der Lage sind, eine Mehrklassenklassifizierung für ein Dataset durchzuführen. Auf der anderen Seite habe ich auch gelesen, dass scikit learn auch libsvm für Support Vector Machine-Algorithmus verwendet. Ich bin ein wenig verwirrt darüber, was der Unterschied zwischen SVC und libsvm Versionen ist, jetzt denke ich, der Unterschied ist, dass SVC ist der Support Vector Machine Algorithmus für die Multiclass-Problem und libsvm ist für die binäre Klasse Problem. Könnte mir jemand helfen, den Unterschied zwischen diesen beiden zu verstehen?

Answer 1

Sie sind nur verschiedene Implementierungen des gleichen Algorithmus. Das SVM-Modul (SVC, NuSVC, usw.) ist ein Wrapper um die libsvm-Bibliothek und unterstützt verschiedene Kernel, während LinearSVC auf liblinear basiert und nur einen linearen Kernel unterstützt. Also:

SVC(kernel = 'linear') 

ist in der Theorie „gleichwertig“:

LinearSVC() 

Da die Implementierungen unterscheiden sich in der Praxis werden Sie unterschiedliche Ergebnisse erhalten, die wichtigsten ist, dass LinearSVC unterstützt nur einen linearen Kern, ist schneller und kann viel besser skalieren.