Scikit learn 为什么SVC、NuSVC和LinearSVC产生非常不同的结果？

我正在做一项分类任务——根据推特用户的推特对其进行地理定位

我使用sklearn的SVC、NuSVC和LinearSVC以及bag of words模型做了很多实验。准确度分别为35%、60%和80%。SVC和LinearSVC之间的差异是令人震惊的两倍以上

---

我不太清楚为什么会发生这种情况。这可能是因为过度装配或不足装配？为什么分类器之间存在如此大的差异？

一般来说，非线性核比线性核更适合建模更复杂的函数，但这取决于数据、选择的超参数（例如惩罚和核）以及您如何评估结果

LinearSVC

与SVC类似，参数为kernel='linear'，但采用liblinear而不是libsvm实现，因此它在惩罚函数和损失函数的选择方面具有更大的灵活性，并且应该更好地扩展到大量样本

资料来源：

SVC

该实现基于libsvm。拟合时间复杂度与样本数成二次关系，因此很难扩展到超过10000个样本的数据集

资料来源：

---

首先，您应该测试一个

LinearSVC

模型，因为它只有几个超参数，应该会给出第一个结果。之后，您可以尝试训练一组

SVC

模型，并选择最好的。为此，我建议制作一个超过

C

，

内核

，

度

，

伽马

，

coef0

和

tol

，一般来说，非线性内核比线性函数更适合建模更复杂的函数，但它取决于数据、所选的超参数（例如惩罚和内核）以及你如何评估你的结果

LinearSVC

与SVC类似，参数为kernel='linear'，但采用liblinear而不是libsvm实现，因此它在惩罚函数和损失函数的选择方面具有更大的灵活性，并且应该更好地扩展到大量样本

资料来源：

SVC

该实现基于libsvm。拟合时间复杂度与样本数成二次关系，因此很难扩展到超过10000个样本的数据集

资料来源：

首先，您应该测试一个

LinearSVC

模型，因为它只有几个超参数，应该会给出第一个结果。之后，您可以尝试训练一组

SVC

模型，并选择最好的。为此，我建议使用

C

、

kernel

、

degree

、

gamma

、

coef0

和

tol