Scikit learn LinearSVC（）不同于SVC（kernel='；linear'；）

当数据偏移（不以零为中心）时，

LinearSVC（）

和

SVC（kernel='linear'）

会给出完全不同的结果。（编辑：问题可能是它不处理非规范化数据。）

这是我得到的结果：

（left=LinearSVC（），right=SVC（kernel='linear'））

sklearn.\uuuuu版本\uuuuu

=0.17。但我也在Ubuntu 14.04中进行了测试，它附带了0.15

---

我曾想过报告这个bug，但它似乎太明显了，不可能是一个bug。我缺少什么？

阅读文档，他们使用不同的底层实现

LinearSVC

使用liblinear，而

SVC

使用libsvm

仔细观察系数和截距，似乎

LinearSVC

将正则化应用于截距，而

SVC

没有

通过添加截距和缩放，我能够获得两者相同的结果

LinearSVC(loss='hinge', intercept_scaling=1000)

---

仔细看，似乎存在变量规模的优化问题。稍后我将扩展我的回答。谢谢。因此，如果我不想规范化我的数据集，而且我没有时间逐一进行，我应该坚持使用

SVC（kernel='linear'）

，对吗？

SVC

似乎不那么挑剔：-）。对于任何梯度下降优化器，使用特征缩放和平均居中通常都是一个好主意。你为什么要逃避它？它可以通过

管道

和

标准缩放器

在scikit learn中轻松实现。只有当你试图自己解释系数时，它才会变得烦人。只是我们使用的是来自UCI的数据，我们想将我们的方法与使用线性核的SVC进行比较。但是，我们现在要对数据进行标准化，并且可以考虑使用<代码> SVC 进行最后的运行。code>LinearSVC自然要快得多。

LinearSVC(loss='hinge', intercept_scaling=1000)