在scikit-learn中NuSVR vs SVR

Question

sklearn提供了两个基于SVM的回归，SVR和NuSVR。后者声称使用libsvm。但是，除此之外我没有看到何时使用什么的描述。 有没有人有想法？ 我试图使用SVR使用5倍交叉验证对3m X 21矩阵进行回归，但它需要永远完成。我已经中止了这项工作，我正在考虑使用NuSVR。但我不确定它提供了什么优势。

NuSVR - http://scikit-learn.org/stable/modules/generated/sklearn.svm.NuSVR.html#sklearn.svm.NuSVR SVR - http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVR.html#sklearn.svm.SVR

Answer 1

它们与同一实现的等效但略有不同的参数化。 大多数人使用SVR。 您不能将那么多样本与内核SVR一起使用。您可以尝试SVR（内核=“线性”），但这可能也是不可行的。我建议使用SGDRegressor。不过，您可能需要调整学习速度和时期数量。

您也可以尝试使用RandomForestRegressor，它应该可以正常工作。

Answer 2

查看github code for nuSVR。它说它也基于libSVM。 NuSVR允许您限制使用的支持向量的数量。