0. 區別

SVC與NuSVC是類似的方法，但是接受稍微不同的引數集合並具有不同的數學公式 ，並且NuSVC可以使用引數來控制支援向量的個數 , 以下程式碼預設的是多分類

1. SVC

# coding:utf-8

from sklearn import svm
from numpy import *

X = array([[0], [1], [2], [3]])
y = array([0, 1, 2, 3])

clf = svm.SVC()
clf.fit(X, y)
print("predict :",clf.predict([4]))
print(clf)
print("support index :"
 
, clf.support_)
print("support Vec :", clf.support_vectors_,'\n','--'*5)
print("number in class :", clf.n_support_)
print("class label :",clf.classes_)
print("len of classes :",len(clf.intercept_)) # 多分類器長度,1v1投票,見後文

# 列印結果
'''
predict : [3]
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
  decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',
  max_iter=-1, probability=False, random_state=None, shrinking=True,
  tol=0.001, verbose=False)
support index : [0 1 2 3]
support Vec : [[ 0.]
 [ 1.]
 [ 2.]
 [ 3.]] 
 ----------
number in class : [1 1 1 1]
class label : [0 1 2 3]
len of classes : 6
'''
 

# 註釋/解釋
'''
關於引數
C: 目標函式的懲罰係數C,C越大,對訓練集測試時準確率越高,但泛化能力越弱,C值小,對誤分類的懲罰減小,允許容錯,泛化能力越強...預設1.0
shrinking: 啟發式,還沒解決,有助於計算效果...
verbose: 展現細節...就是允許冗餘輸出
coef0: 核函式的常數項,對於poly和sigmoid核函式有用
degree: 多項式poly核函式的維度，預設是3，其他核函式會忽略
gamma: 不清楚,但調參後效果明顯;rbf,poly和sigmoid的核函式引數
tol: 停止訓練的誤差值大小,預設為1e-3
調引數 - 目前調整C與gamma效果不錯(針對kaggle的訓練)
'''
 

百度 ： 啟發式

2. NuSVC

# coding:utf-8

from sklearn import svm
from numpy import *

X = array([[0], [1], [2], [3]])
y = array([0, 1, 2, 3])

clf = svm.NuSVC()
clf.fit(X,y)
print("predict :",clf.predict([4]))
print(clf)
print("support index :", clf.support_)
print("support Vec :", clf.support_vectors_,'\n','--'*5)
print("number in class :", clf.n_support_)
print("class label :",clf.classes_)
print("len of classes :",len(clf.intercept_))

# 列印結果
'''
predict : [3]
NuSVC(cache_size=200, class_weight=None, coef0=0.0,
   decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',
   max_iter=-1, nu=0.5, probability=False, random_state=None,
   shrinking=True, tol=0.001, verbose=False)
support index : [0 1 2 3]
support Vec : [[ 0.]
 [ 1.]
 [ 2.]
 [ 3.]] 
 ----------
number in class : [1 1 1 1]
class label : [0 1 2 3]
len of classes : 6
'''
# 註釋解釋
'''
不同的引數:
nu: 官方解釋 An upper bound on the fraction of training errors and a lower bound of the fraction of support vectors. Should be in the interval (0, 1].
調參有效果,可參考
'''

3. 多分類投票

可以參考一下官方文件

SVM演算法最初是為二值分類問題設計的，當處理多類問題時，就需要構造合適的多類分類器，主要有1v1，1vN
1. 1v1 一對一法 ： 兩兩為一類，一共C2n類，進行投票，Libsvm中的多類分類就是根據這個方法實現的。
2. 1vN 一對多法 ： 訓練時依次把某個類別的樣本歸為一類，其餘的就是其他類，這樣就有N類，樣本選擇最大分類函式值的那一類。

• • 區別
  • SVC
  • NuSVC
  • 多分類投票