sklearn提供了两个基于SVM的回归，即SVR和NuSVR。后者声称正在使用libsvm。但是，除此之外，我看不到何时使用什么的任何描述。
有人有主意吗？
我正在尝试使用SVR使用5倍交叉验证对3m X 21矩阵进行回归，但是要花很多时间才能完成。我已中止工作，现在正在考虑使用NuSVR。但是我不确定它有什么优势。
NuSVR-http://scikit-learn.org/stable/modules/generated/sklearn.svm.NuSVR.html#sklearn.svm.NuSVR
SVR-http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVR.html#sklearn.svm.SVR
最佳答案
它们是相同的，但同一实现的参数设置略有不同。
大多数人使用SVR。
内核SVR不能使用那么多样本。您可以尝试SVR（kernel =“ Linear”），但这可能也不可行。我建议使用SGDRegressor。不过，您可能需要调整学习率和时期数。
您也可以尝试RandomForestRegressor，它应该可以正常工作。