Quelle est la différence entre SVC et SVM dans Scikit-Learn?

De la la documentation scikit-learn implémente SVC, NuSVC et LinearSVC qui sont des classes capables de réaliser multi-classe de la classification sur un jeu de données. En revanche j'ai aussi lu qu'scikit learn utilise également libsvm pour machine à vecteurs de support de l'algorithme. Je suis un peu confus au sujet de ce qu'est la différence entre SVC et libsvm versions, maintenant, je suppose que la différence est que le SVC est la machine à vecteurs de support de l'algorithme pour la multiclass problème et libsvm est pour le binaire de la classe de problème. Quelqu'un pourrait-il m'aider à understad la différence entre ce?.

source d'informationauteur tumbleweed

  1. 18

    Elles sont simplement différentes implémentations d'un même algorithme. La SVM module (SVC, NuSVC, etc) est un wrapper autour de la libsvm de la bibliothèque et prend en charge les différents noyaux, tandis que LinearSVC est basé sur liblinear et prend en charge uniquement un noyau linéaire. Donc:

    SVC(kernel = 'linear')

    est, en théorie, "équivalent" à:

    LinearSVC()

    Parce que les implémentations sont différentes dans la pratique, vous obtiendrez des résultats différents, les plus importants étant ceux qui LinearSVC prend uniquement en charge un noyau linéaire, est plus rapide et peut beaucoup mieux.