SVM、SVC、SVR三者的区别

支持向量机一直都是机器学习的重要工具，仅仅学会调包的同学一定经常遇到这些缩写SVM、SVR、SVC。使用时经常会用到，但又不知道什么意思，仅仅学会调包调参数不是一个机器学习者的能力体现，但完全搞懂他们的数学公式、学会复现出算法也是没有必要的。

知乎上关于什么是支持向量机的解释有很多，主要为为大家总结一下这三者的区别，同时介绍在python-sklearn中的应用。

1.SVM-支持向量机

什么是超平面

SVM with polynomial kernel 可视化_腾讯视频​v.qq.com

主要功能

• 回归分析
• 分类
• 模式识别

其实SVM最开始主要用于分类，在维基百科上的解释，Support Vector Machines are learning models used for classification

2.区别

可以很简单的解释这三者的关系

• SVM=Support Vector Machine 是支持向量 机
• SVC=Support Vector Classification就是支持向量机用于 分类，
• SVR=Support Vector Regression.就是支持向量机用于 回归分析

3.算法（python-sklearn）

SVM模型的几种

• svm.LinearSVC Linear Support Vector Classification.
• svm.LinearSVR Linear Support Vector Regression.
• svm.NuSVC Nu-Support Vector Classification.
• svm.NuSVR Nu Support Vector Regression.
• svm.OneClassSVM Unsupervised Outlier Detection.
• svm.SVC C-Support Vector Classification.
• svm.SVR Epsilon-Support Vector Regression.