https://scikit-learn.org/stable/modules/svm.html 

https://sklearn.apachecn.org/docs/master/5.html 中文翻译

---

SVC，NuSVC，LinearSVC在一个数据集上可以实现二分类，也能多类分类

SCV和NuSVC是相似的方法，但是接受的参数设置可能有些许差异，同时两种方法的数学公式也不一样的。另一方面，LinearSVC是支持向量分类在线性核函数时的一个速度更快的实现，SVC（support vector classification)。记住 LinearSVC 不接受关键词 kernel, 因为它被假设为线性的. 它也缺少一些 SVC 和 NuSVC 的成员(members) 比如 support_ .

多类分类：

SVC和NuSVC为多元分类实现了 one-against-one方法， 如果 n_class 是类别的数量, 那么 n_class * (n_class - 1) / 2 分类器被重构, 而且每一个分类器都从两个类别中训练数据. 为了提供与其他分类器一致的接口, decision_function_shape 选项允许聚合 “one-against-one” 分类器的结果成 (n_samples, n_classes) 的大小到决策函数:

ovo——one vs one一对一的多分类方式。

另一方面，LinearSVC实现了 One-vs-the rest的多类别策略，因此n个类别训练n个模型，如果只有两类，就只训练一个模型。

LinearSVC也实现了可选择的多分类策略，这个所谓的SVM是有Crammer和Singer设计的，可以通过选项 multi_class='crammer_singer'。实际上，one-vs-rest经常使用，因为大多数结果是相似的，而且运行时间显著减少。

---

libsvm的多分类原理；