Verbose log abbriviations在SVC中的含義，scikit-learn

Question

我正在尋找scikit-learn中SVC函數的詳細日誌abbriviations的含義？

如果nSV是支持向量的數量，#iter是迭代次數，nBSV，rho，obj的意思是什麼？

這是一個例子：

import numpy as np 
from sklearn.svm import SVR 
sets=np.loadtxt('data\Exp Rot.txt')   # reading data 
model=SVR(kernel='rbf',C=100,gamma=1,max_iter=100000,verbose=True) 
model.fit(sets[:,:2],sets[:,2]) 
print(model.score) 

這裏是結果

Answer 1

使用libsvm's實施支持向量機（LinearSVC將由相同的使用liblinear scikit學習作者）。 官方網站有它自己的常見問題回答這個here。

摘錄：

問：訓練C-SVM的輸出是像下面這樣。他們的意思是什麼？

優化完成後，#iter = 219

NU = 0.431030

OBJ = -100.877286，ρ-= 0.424632

NSV = 132，nBSV = 107

總NSV = 132

obj是雙SVM問題的最優目標值

RHO是決定功能SGN偏置項（W^TX - RHO）

NSV和nBSV是支持向量的數量和有界的支持向量（即，alpha_i = C）

NU-SVM是一個有點等同形式的C-SVM，其中C被nu替代

nu簡單地顯示相應的參數。更多細節libsvm的文件中

Link to the libsvm document mentioned above (PDF!)