详细日志缩写在 SVC、scikit-learn 中的含义

Question

我在 scikit-learn 中寻找 SVC 函数的详细日志缩写的含义？

如果 nSV 是支持向量的数量，#iter 是迭代次数，nBSV, rho,obj 是什么意思？

这是一个例子：

import numpy as np
from sklearn.svm import SVR
sets=np.loadtxt('data\Exp Rot.txt')         # reading data
model=SVR(kernel='rbf',C=100,gamma=1,max_iter=100000,verbose=True)
model.fit(sets[:,:2],sets[:,2])
print(model.score)

这是结果

Answer 1

scikit-learn 使用libsvm 的支持向量机实现（LinearSVC 将使用相同作者的liblinear）。官方网站有自己的常见问题解答在这里回答这个问题。

摘抄：

问：训练 C-SVM 的输出如下。他们的意思是什么？

优化完成，#iter = 219

nu = 0.431030

obj = -100.877286，rho = 0.424632

nSV = 132，nBSV = 107

总 nSV = 132

obj 是对偶 SVM 问题的最优目标值

rho 是决策函数 sgn(w^Tx - rho) 中的偏差项

nSV 和 nBSV 是支持向量和有界支持向量的数量（即 alpha_i = C）

nu-svm 是 C-SVM 的某种等效形式，其中 C 由 nu 代替

nu 只是显示相应的参数。更多细节在 libsvm 文档中

链接到上述 libsvm 文档（PDF！）