opencv SVM实现采用标记为“SVM类型”的参数，该参数必须在训练SVM时使用的CVSVMParams结构中使用。我能找到的所有解释都是：
// SVM type
enum { C_SVC=100, NU_SVC=101, ONE_CLASS=102, EPS_SVR=103, NU_SVR=104 };
任何人都知道这些不同的值代表什么？
答案 0 :(得分：10)
它们是SVM的不同配方。 SVM的核心是数学优化问题。这个问题可以用不同的方式陈述。
C-SVM使用C作为边际大小与错误分类的训练点数之间的权衡参数。 C只是一个数字，有用的范围取决于数据集，它可以从非常小（如10-5）到非常大（如10 ^ 5），具体取决于您的数据。
nu-SVM使用nu代替C. nu大约是训练点的一部分，最终将作为支持向量。支持向量越多，您的保证金越宽，将被错误分类的训练点越多。 nu范围从0.1到0.8 - 在0.1左右，大约10％的训练点将是支持向量，为0.8，更像是80％。我粗略地说，因为它只是那种方式相关 - 它不准确。
epsilon-SVR和nu-SVR使用SVM进行回归。不是通过找到最大边缘超平面来进行二元分类，而是使用该概念来找到最适合数据的超高压管，以便用它来预测未来的模型。它们的参数化方式不同（如nu-SVM和C-SVM不同）。
One-Class SVM是新颖的检测。而不是二元分类或预测值，而是给SVM一个训练集，它试图训练一个模型来包裹该集合，以便将来的实例可以被分类为类的一部分或类外（小说或离群值）。
答案 1 :(得分：6)
一般来说：
详情请参阅第SVM页