Verbose log abbriviations意思是SVC，scikit-learn

Question

我正在寻找scikit-learn中SVC函数详细日志abbriviations的含义？

如果nSV是支持向量的数量，#iter是迭代次数，nBSV，rho，obj是什么剂量？

这是一个例子：

import numpy as np
from sklearn.svm import SVR
sets=np.loadtxt('data\Exp Rot.txt')         # reading data
model=SVR(kernel='rbf',C=100,gamma=1,max_iter=100000,verbose=True)
model.fit(sets[:,:2],sets[:,2])
print(model.score)

这是结果

Answer 1

scikit-learn正在使用支持向量机器的libsvm's实现（LinearSVC将使用同一作者的liblinear）。 官方网站有自己的常见问题回答here。

摘录：

  

问：训练C-SVM的输出如下。他们的意思是什么？

     

优化完成，#iter = 219

     

nu = 0.431030

     

obj = -100.877286，rho = 0.424632

     

nSV = 132，nBSV = 107

     

总nSV = 132

     

obj是双SVM问题的最佳目标值

     

rho是决策函数sgn（w ^ Tx - rho）

中的偏差项      

nSV和nBSV是支持向量和有界支持向量的数量（即alpha_i = C）

     

nu-svm是一种稍微等效的C-SVM形式，其中C被nu取代

     

nu只显示相应的参数。更多细节在libsvm文档中

Link to the libsvm document mentioned above (PDF!)