我认为应该是相同的，但是对于方法，我得到了不同的结果。而SVC只有decision_function()才真正更快。
相关：Scikit learn multi-class classification for support vector machines
最佳答案
我得到了关于“see also”标题中的documentation of LinearSVC的一些澄清，其中提到了svc。
SVC
使用libsvm实现支持向量机分类器：
…
…
此外，SVC多类模式是使用一对一方案实现的，而LinearSvc使用一个方案。
与其他人相比。可以通过以下方式实现一个SVC对另一个SVC
使用sklearn.multicalass.onevsrestClassifier包装器。
…
此外，SVC将所有培训委托给底层的libsvm库，该库将多类案例作为'OvO'处理（即使决策函数_shape='ovr'）。
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，所有其他估计器都将多类作为ovr来处理，因此当svc与其他东西结合使用时（例如，在管道、gridsearchcv或像onevsrestclassifier这样的包装器中），返回ovo决策函数会破坏其他类的工作。但我在任何地方都找不到明确的书面记录。
有趣的事实：OneVsOneClassifier还返回一个判定函数，该函数用ovr的形状进行确认。
关于python - OneVsRestClassifier与SVC和SVC与decision_function_shape ='ovr'之间有什么区别？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/39604468/