Qual è la differenza tra SVC e SVM in scikit-learn?

Question

Da documentation scikit-learn implementa SVC, NuSVC e LinearSVC, che sono classi in grado di eseguire la classificazione multi-classe su un set di dati. Dall'altra parte ho letto anche che scikit learn usa anche libsvm per supportare l'algoritmo di macchina vettoriale. Sono un po 'confuso su quale sia la differenza tra le versioni SVC e libsvm, ormai credo che la differenza sia che SVC è l'algoritmo della macchina vettoriale di supporto per il problema multiclasse e libsvm è per il problema della classe binaria. Qualcuno potrebbe aiutarmi a capire la differenza tra questo?

Answer 1

Sono solo diverse implementazioni dello stesso algoritmo. Il modulo SVM (SVC, NuSVC, ecc.) È un wrapper attorno alla libreria libsvm e supporta diversi kernel mentre LinearSVC si basa su liblinear e supporta solo un kernel lineare. Quindi:

SVC(kernel = 'linear') 

è in teoria "equivalente" a:

LinearSVC() 

Poiché le implementazioni sono diverse, in pratica, si ottengono risultati diversi, i più importanti è che LinearSVC supporta solo un kernel lineare, è più veloce e può scalare molto meglio.