相关疑难解决方法(0)

根据我的研究,我发现了三个相互矛盾的结果:

1. SVC(kernel="linear") 更好
2. LinearSVC 更好
3. 无所谓

有人能解释时要使用LinearSVC与SVC(kernel="linear")？

似乎LinearSVC略胜SVC并且通常更挑剔.但如果scikit决定花时间实施线性分类的具体案例,为什么不会LinearSVC超越SVC？

我读了这篇关于scikit-learn SVC()和LinearSVC()scikit-learn 之间差异的帖子.

现在我有一个二进制分类问题的数据集(对于这样的问题,两个函数之间的一对一/一对一策略差异可以忽略.)

我想尝试在这两个函数给出相同结果的参数下.首先,当然,我们应该设置kernel='linear'为SVC() 但是,我无法从两个函数中得到相同的结果.我无法从文档中找到答案,有人可以帮我找到我想要的等效参数集吗？

更新:我从scikit-learn网站的一个例子中修改了以下代码,显然它们不一样:

import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm, datasets

# import some data to play with
iris = datasets.load_iris()
X = iris.data[:, :2]  # we only take the first two features. We could
                      # avoid this ugly slicing by using a two-dim dataset
y = iris.target

for i in range(len(y)):
    if (y[i]==2):
        y[i] = 1

h = .02  # …