SVM问题 - 名称'model_SVC'未定义

Question

我有一个关于这段代码的问题：

    from sklearn import svm
    model_SVC = SVC()
    model_SVC.fit(X_scaled_df_train, y_train)
    svm_prediction = model_SVC.predict(X_scaled_df_test)

错误信息为：

NameError
Traceback (most recent call last) ~\AppData\Local\Temp/ipykernel_14392/1339209891.py in ----> 1 svm_prediction = model_SVC.predict(X_scaled_df_test)

NameError: name 'model_SVC' is not defined

有什么想法吗？

- Bookish Mass

---

尝试使用 from sklearn.svm import SVC 导入SVC。或者将下一行更改为 model_SVC = svm.SVC()。看看是否有效。 - Redox

Answer 1

用途：

from sklearn.svm import SVC

- s510

Answer 2

这句话的意思是：“代码行 from sklearn import svm 是错误的。正确的方式应该是……”

from sklearn.svm import SVC

文件的sklearn.svm.SVC是这个模型的说明文档。当我选择这个模型时，我会考虑到数据集的大小。摘录如下：

引用：

拟合时间至少与样本数量平方成正比，对于数万个样本以上的数据集可能不切实际。对于大型数据集，请考虑使用LinearSVC。

from sklearn.svm import LinearSVC

更多信息，请阅读何时应使用LinearSVC或SVC？。

- perpetualstudent