libsvm中svm类型简介

　　这几天打算在论文里添加些实验的对比算法，要用svm，虽然之前也看过，时间太长，忘得也差不多了，现在回头再看一遍。推荐这篇博客http://blog.csdn.net/v_july_v/article/details/7624837。

 

　　svm的具体实现，小爷觉得，还是站在巨人的肩膀上吧，当然，如果你想深入的研究svm就另当别论了。小爷打算使用业界比较知名的libsvm，这两篇介绍libsvm的比较详细，http://endual.iteye.com/blog/1267442， http://www.tuicool.com/articles/ZbMzqy。但是其中并没有介绍svm类型。下面小爷来补充下：

 

• -s svm类型：SVM设置类型(默认0)
• 0 -- C-SVC：C-支持向量分类机；参数C为惩罚系数，C越大表示对错误分类的惩罚越大，适当的参数C对分类Accuracy很关键。
• 1 --v-SVC：v-支持向量分类机；由于C的选取比较困难，用另一个参数v代替C。C是“无意义”的，v是有意义的。（与C_SVC其实采用的模型相同，但是它们的参数C的范围不同,C_SVC采用的是0到正无穷，该类型是[0,1]。）
• 2 – 一类SVM：​单类别-支持向量机，不需要类标号,用于支持向量的密度估计和聚类。
• 3 -- e -SVR：ε-支持向量回归机，不敏感损失函数，对样本点来说，存在着一个不为目标函数提供任何损失值的区域。
• 4 -- v-SVR：n-支持向量回归机，由于EPSILON_SVR需要事先确定参数，然而在某些情况下选择合适的参数却不是一件容易的事情。而NU_SVR能够自动计算参数。

 

显然，后两者是针对回归问题的，分类问题与回归问题最大的不同就是label，分类的label是类别，比如+1，-1，回归的label是目标值，可能为任意值。

转载于:https://www.cnblogs.com/LuffySir/p/5961219.html