Словосочетание в аббревиатурах в SVC, scikit-learn

Question

Я ищу смысл многословных журнальных аббревиатур функции SVC в scikit-learn?

Если nSV - количество векторов поддержки, #iter - это число итераций, какая доза nBSV, rho, obj означает?

Это пример:

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) 

и вот результат

Answer 1

scikit-Learn использует libsvm's реализацию вспомогательных векторных машин (LinearSVC будет использовать liblinear тем же авторы). На официальном веб-сайте есть собственные FAQ, отвечая на этот вопрос here.

Выдержки:

Q: Выход обучения C-SVM, как в следующем. Что они имеют в виду?

оптимизации закончена, #iter = 219

Nu = 0,431030

OBJ = -100,877286, Rho = 0,424632

NSV = 132, nBSV = 107

Итого NSV = 132

obj - оптимальное объектное значение двойной проблемы SVM

Rho это термин смещения в решающей функции SGn (ш^Тх - Rho)

NSV и nBSV являются число опорных векторов и ограниченных векторов поддержки (т.е. alpha_i = С)

NU-СВМ несколько эквивалентная форма C-SVM, где C заменяется на nu

nu просто показывает соответствующий параметр. Более подробная информация содержится в документе libsvm

Link to the libsvm document mentioned above (PDF!)