scikit-learn 中的 SVC 和 SVM 有什么区别？答案

【问题标题】：What is the difference between SVC and SVM in scikit-learn?scikit-learn 中的 SVC 和 SVM 有什么区别？
【发布时间】：2025-12-10 17:20:02
【问题描述】：

来自documentation scikit-learn 实现了 SVC、NuSVC 和 LinearSVC，它们是能够对数据集执行多类分类的类。另一方面，我也读到了 scikit learn 也使用 libsvm 来支持向量机算法。我对 SVC 和 libsvm 版本之间的区别有点困惑，现在我想区别在于 SVC 是针对多类问题的支持向量机算法，而 libsvm 是针对二进制类问题的。谁能帮我理解这之间的区别？

【问题讨论】：

另见文档字符串：scikit-learn.org/stable/modules/generated/… SVC 只是 libsvm 的一个薄包装器。

标签： machine-learning scikit-learn libsvm

【解决方案1】：

这是本书的快照 - 动手机器学习

希望对你有用。

【讨论】：

【解决方案2】：

它们只是同一算法的不同实现。 SVM 模块（SVC、NuSVC 等）是libsvm 库的包装器，支持不同的内核，而LinearSVC 基于liblinear，仅支持线性内核。所以：

SVC(kernel = 'linear')

理论上“等价于”：

LinearSVC()

因为在实践中实现不同，你会得到不同的结果，最重要的是 LinearSVC 只支持线性内核，速度更快并且可以更好地扩展。

【讨论】：

它们实际上并不等效，因为 SVC 使用一对一策略，而 LinearSVC 使用一对一策略进行多类。此外，LinearSVC 默认为 L2 损失，即平方铰链损失。
安德烈亚斯是正确地指出他们不一样。当我说“等效”时，我的意思是“相似”或“对应”，对不起我的英语不好。不同的实现意味着不同的默认值和许多其他细节。
对于多类分类，你们推荐我什么方法（一对一或一对一），你认为我可以用 SVC 很好地解决这个问题吗？
其实LinearSVC根本不是SVM，见*.com/questions/33843981/…