linearSVC特征选择算法如何工作？

Question

我是机器学习的新手， 我使用了两种功能选择算法：正向选择和LinearSVC。

我在线进行了一些研究，了解了前向选择算法的工作原理：它从一个空集开始，尝试逐个特征添加特征并研究此特征的影响，以确定是否应将其添加到新集合中或者没有。但是，当涉及到LinearSVC时，我在网上找不到任何简单明了的解释！ 有没有人能帮助我理解linearSVC在三到两个lignes中工作的方式吗？ 非常感谢。

Answer 1

LinearSVC是scikit-learn中用于分类的支持向量机实现（因此称为SVC）。它通过尝试在实例之间画一条线并最大程度地增加线宽来工作，以便我们可以轻松地确定一个实例属于A类还是B类（或者，如果您拥有的类很多，则需要两个以上的类来使用Non-Linear SVC）。

如果您的数据是线性可分离的，那么它的效果出奇地好，但是不幸的是，大多数数据不是。