SVM的類型之間的區別

我是支持向量機的新手。

簡短說明

R 中的包中的svm函數e1071提供了各種選項：

• C-分類
• 非分類
• 一分類（用於新奇檢測）
• eps 回歸
• nu-回歸

五種類型的直觀區別是什麼？在什麼情況下應該應用哪一個？

簡短的回答

您可以根據自己的目標和擁有的數據類型選擇要使用的內容。

• 如果您有分類問題，即要預測的離散標籤，您可以使用C-classificationand nu-classification。
• 如果您有回歸問題，即要預測的連續數，您可以使用eps-regressionand nu-regression。
• 如果您只有一類數據，即正常行為，並且想要檢測異常值。 one-classification.

細節

C-classification 和 nu-classification 用於二進制分類。假設您想建立一個模型來根據動物的特徵對貓與狗進行分類，即預測目標是離散變量/標籤。

有關 C 分類和 nu 分類之間差異的詳細信息。您可以在LIBSVM的常見問題解答中找到

問：nu-SVC 和 C-SVC 有什麼區別？

基本上它們是相同的，但具有不同的參數。C 的範圍是從零到無窮大，但 nu 始終在 [0,1] 之間。nu 的一個很好的特性是它與支持向量的比率和訓練誤差的比率有關。

一分類用於“異常值檢測”，您只有一類數據。例如，您想檢測一個用戶帳戶的“異常”行為。但是您沒有“異常行為”來訓練模型。但只是正常的行為。

eps-regression 和 nu-regression 用於回歸問題，您想預測一個連續的數字，比如房價。可以在這裡找到詳細的區別：ep-SVR 和 nu-SVR（和最小二乘 SVR）之間的區別

引用自：https://stats.stackexchange.com/questions/237382