คำตอบสั้น ๆ
คุณสามารถเลือกสิ่งที่จะใช้ตามเป้าหมายของคุณและชนิดของข้อมูลที่คุณมี
ถ้าคุณมีปัญหาการจัดหมวดหมู่คือฉลากที่ไม่ต่อเนื่องในการทำนายคุณสามารถใช้และC-classification
nu-classification
ถ้าคุณมีปัญหาการถดถอยเช่นจำนวนอย่างต่อเนื่องที่จะทำนายคุณสามารถใช้และeps-regression
nu-regression
หากคุณมีข้อมูลเพียงหนึ่งคลาสเช่นพฤติกรรมปกติและต้องการตรวจหาค่าผิดปกติ one-classification
.
รายละเอียด
การจำแนก C และการจัดหมวดหมู่ nu สำหรับการใช้งานการจำแนกประเภทไบนารี พูดว่าถ้าคุณต้องการสร้างแบบจำลองเพื่อจำแนกแมวกับสุนัขโดยพิจารณาจากคุณลักษณะสำหรับสัตว์คือเป้าหมายการทำนายคือตัวแปร / ฉลากแยก
สำหรับรายละเอียดเกี่ยวกับความแตกต่างระหว่างการจัดหมวดหมู่ C และการจัดหมวดหมู่ nu คุณสามารถค้นหาในคำถามที่พบบ่อยจากLIBSVM
ถาม: อะไรคือความแตกต่างระหว่าง nu-SVC และ C-SVC?
โดยทั่วไปพวกเขาเป็นสิ่งเดียวกัน แต่มีพารามิเตอร์ที่แตกต่างกัน ช่วงของ C คือจากศูนย์ถึงไม่สิ้นสุด แต่ nu อยู่ระหว่าง [0,1] คุณสมบัติที่ดีของ nu คือมันเกี่ยวข้องกับอัตราส่วนของเวกเตอร์สนับสนุนและอัตราส่วนของข้อผิดพลาดในการฝึกอบรม
การจำแนกประเภทหนึ่งสำหรับ "การตรวจจับค่าผิดปกติ" ซึ่งคุณมีเพียงหนึ่งคลาสข้อมูล ตัวอย่างเช่นคุณต้องการตรวจจับพฤติกรรม "ผิดปกติ" ของบัญชีผู้ใช้หนึ่งราย แต่คุณไม่มี "พฤติกรรมที่ผิดปกติ" ในการฝึกนางแบบ แต่พฤติกรรมปกติเท่านั้น
eps-regression และ nu-regression ใช้สำหรับปัญหาการถดถอยที่คุณต้องการทำนายจำนวนอย่างต่อเนื่องว่าราคาบ้าน สามารถดูรายละเอียดความแตกต่างได้ที่นี่: ความแตกต่างระหว่าง ep-SVR และ nu-SVR (และอย่างน้อยกำลังสอง SVR)