Python 使用scikit learn运行libsvm的结果

出于实验目的，我对SVM模型进行如下训练：

clf = SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',
max_iter=-1, probability=False, random_state=None, shrinking=True,
tol=0.001, verbose=True)
scores = cross_val_score(clf,train_feature,train_label,cv=3)
print(scores)

打印的结果如下所示

Warning: using -h 0 may be faster

optimization finished, #iter = 2182
obj = -794.208203, rho = 1.303717
nSV = 1401, nBSV = 992
Total nSV = 1401

交叉验证分数如下

[LibSVM][LibSVM][LibSVM][ 0.68838493  0.6887449   0.75864138]

---

我认为

nSV

表示支持向量的数量。是这样吗？那么

nBSV

和

rho

代表什么呢？我如何知道这些交叉验证分数是否是模型性能的良好指标？

您可能会发现这很有用：。在该文档中搜索

nBSV

和

rho

，您可能会找到您要查找的内容。检查我在哪里做了不符合robot建议的事情！关于简历分数含义的问题有点宽泛。大家好，谢谢。可能是重复的