답변:
짧은 답변
목표와 사용하는 데이터 종류에 따라 사용할 대상을 선택할 수 있습니다.
분류 문제 (예 : 예측할 수있는 개별 레이블)가있는 경우 C-classification및 을 사용할 수 있습니다 nu-classification.
당신이 예측하는 회귀 문제, 즉, 연속 번호가있는 경우, 당신은 사용할 수 있습니다 eps-regression및 nu-regression.
데이터의 클래스가 하나만있는 경우 (예 : 정상적인 동작) 특이 치를 탐지하려는 경우. one-classification.
세부
C 분류 및 nu 분류는 이진 분류 사용을위한 것입니다. 동물의 특징에 따라 고양이와 개를 분류하기위한 모델을 만들고 싶다면 예측 목표가 이산 변수 / 라벨입니다.
C 분류와 nu 분류의 차이점에 대한 자세한 내용은. LIBSVM 의 FAQ에서 찾을 수 있습니다
Q : nu-SVC와 C-SVC의 차이점은 무엇입니까?
기본적으로 그것들은 같지만 매개 변수가 다릅니다. C의 범위는 0에서 무한대이지만 nu는 항상 [0,1] 사이입니다. nu의 좋은 속성은 지원 벡터의 비율과 훈련 오류의 비율과 관련이 있다는 것입니다.
하나의 분류는 하나의 클래스 데이터 만있는 "외부 감지"를위한 것입니다. 예를 들어 한 사용자 계정의 "비정상적인"동작을 감지하려고합니다. 그러나 모델을 훈련시킬 "비정상적인 행동"은 없습니다. 그러나 정상적인 행동 만.
분기 회귀와 누 회귀는 회귀 문제에 사용되며 주택 가격과 같은 연속적인 숫자를 예측하려고합니다. 자세한 차이점은 여기에서 확인할 수 있습니다 : ep-SVR과 nu-SVR의 차이 (최소 제곱 SVR)