为什么SVC，NuSVC和LinearSVC会产生截然不同的结果？

Question

我正在执行分类任务-根据Twitter用户的推文对Twitter用户进行地理位置定位。

我使用sklearn的SVC，NuSVC和LinearSVC以及词袋模型进行了许多实验。准确度为35％，60％和80％。 SVC和LinearSVC之间的差异是原来的两倍以上。

我不太确定为什么会这样。可能是因为过度拟合或拟合不足？为什么分类器之间有如此大的差异？

Answer 1

通常，非线性内核比线性函数更适合于对更复杂的函数建模，但这取决于数据，所选的超参数（例如惩罚和内核）以及如何评估结果。

LinearSVC

  

类似于带有参数kernel ='linear'的SVC，但是以liblinear而不是libsvm的方式实现，因此它在选择罚分和损失函数时具有更大的灵活性，并且应该更好地扩展到大量样本。

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

SVC

  

该实现基于libsvm。拟合时间的复杂度是样本数量的两倍以上，这使得很难扩展到具有超过10000个样本的数据集。

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

首先，您应该测试一个LinearSVC模型，因为它只有几个超级参数，应该给您第一个结果。之后，您可以尝试训练一堆SVC模型并选择最佳模型。为此，我建议在C，kernel，degree，gamma，coef0和tol上使用gridsearch。 / p>