Короткий ответ
Вы можете выбрать, что использовать, в зависимости от вашей цели и того, какие данные у вас есть.
Если у вас есть проблема классификации, т. Е. Дискретная метка для прогнозирования, вы можете использовать C-classificationи nu-classification.
Если у вас есть проблема регрессии, то есть непрерывное число для прогнозирования, вы можете использовать eps-regressionи nu-regression.
Если у вас есть только один класс данных, т.е. нормальное поведение, и вы хотите обнаружить выбросы. one-classification,
подробности
C-классификация и nu-классификация предназначены для использования в двоичной классификации. Скажите, хотите ли вы построить модель для классификации кошек и собак на основе признаков для животных, т. Е. Целью прогноза является дискретная переменная / метка.
Подробнее о разнице между C-классификацией и nu-классификацией. Вы можете найти в FAQ от LIBSVM
Q: В чем разница между nu-SVC и C-SVC?
В основном это одно и то же, но с разными параметрами. Диапазон значений C составляет от нуля до бесконечности, но значение nu всегда находится в пределах [0,1]. Хорошим свойством nu является то, что оно связано с соотношением векторов поддержки и отношением ошибки обучения.
Одна классификация предназначена для «обнаружения выбросов», когда у вас есть только данные одного класса. Например, вы хотите обнаружить «необычное» поведение учетной записи одного пользователя. Но у вас нет «необычного поведения» для тренировки модели. Но только нормальное поведение.
EPS-регрессия и ню-регрессия используются для задач регрессии, где вы хотите предсказать непрерывное число, скажем, цену жилья. Подробное различие можно найти здесь: Разница между ep-SVR и nu-SVR (и SVR методом наименьших квадратов)
