为什么SVC、NuSVC和LinearSVC产生了截然不同的结果？

Question

我正在做一个分类任务--基于Twitter用户的推特用户的地理定位。

我用sklearn的SVC、NuSVC、LinearSVC和书包模型做了很多实验.准确率分别为35%、60%和80%。SVC与LinearSVC的差异是两倍以上，这是令人震惊的。

我不太清楚为什么会发生这种情况。可能是因为不合身还是不合身？为什么量词之间有这么大的区别？

Answer 1

一般来说，非线性核比线性函数更适合建模更复杂的函数，但它取决于数据、所选择的超参数(例如惩罚和核)以及如何评估结果。

LinearSVC

与具有参数核=‘线性’的SVC类似，但采用lib线性而非libsvm实现，因此在惩罚函数和损失函数的选择上具有更大的灵活性，并且应该对大量样本进行更好的缩放。

来源：sklearn.svm.LinearSVC.html#sklearn.svm.LinearSVC

SVC

该实现基于libsvm。随着样本数的增加，拟合时间复杂度大于二次型，使得样本数超过10000个的数据集难以进行缩放。

来源：sklearn.svm.SVC.html#sklearn.svm.SVC

首先，您应该测试一个LinearSVC模型，因为它只有几个超参数，并且应该给出第一个结果。在此之后，您可以尝试培训一批SVC模型，并挑选最好的。为此，我建议将网格搜索设置为C、kernel、degree、gamma、coef0和tol。