[英]What is the difference between OneVsRestClassifier with SVC and SVC with decision_function_shape='ovr'?
我认为它应该是相同的，但对于方法decision_function()我得到不同的结果。 只有decision_function_shape='ovr' SVC真的更快。
我在See also标题中对LinearSVC的文档做了一些澄清，其中提到了SVC。
SVC
使用libsvm实现支持向量机分类器：
....
....
此外，SVC多类模式使用一对一方案实现，而LinearSVC使用一个与其余方案。 通过使用sklearn.multiclass.OneVsRestClassifier包装器，可以使用SVC实现一个与其余的一个。
....
此外，SVC将所有训练委托给底层libsvm库，该库将多类案例处理为'OvO' （即使decision_function_shape ='ovr'）。
它在@delusionX问题中提到， decision_function_shape只是为了与scikit API兼容。 最有可能的是，所有其他估算器都将多类作为OvR处理，因此当SVC与其他东西结合使用时（例如在Pipeline，GridSearchCV或Orpack，如OneVsRestClassifier中）返回OvO决策函数会破坏工作别人的。 但我无法在任何地方找到明确的书面形式。
有趣的事实： OneVsOneClassifier还返回一个决策函数，它确认了OvR的形状。
使用OneVsRestClassifier时，sklearn.svm.SVC的decision_function_shape是哪个？
[英]Which decision_function_shape for sklearn.svm.SVC when using OneVsRestClassifier?
来自 sklearn 的关于 SVC object 的 `decision_function_shape` 参数的说明
[英]Clarifications about the `decision_function_shape` parameter of SVC object from sklearn
scikit 学习中的 OneVsRestClassifier 和 MultiOutputClassifier 有什么区别？
[英]What is the difference between OneVsRestClassifier and MultiOutputClassifier in scikit learn?
为什么在使用 SVC 作为基本估计器的 n_estimators=1 的 AdaBoost 和仅使用 SVC 之间的预测结果存在差异
[英]Why's there a difference in prediction result between AdaBoost with n_estimators=1 that uses SVC as a base estimator, and just SVC
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
