Jawaban singkat
Anda dapat memilih apa yang akan digunakan berdasarkan tujuan Anda dan jenis data apa yang Anda miliki.
Jika Anda memiliki masalah klasifikasi, yaitu label diskrit untuk diprediksi, Anda dapat menggunakan C-classificationdan nu-classification.
Jika Anda memiliki masalah regresi, yaitu, angka kontinu untuk diprediksi, Anda dapat menggunakan eps-regressiondan nu-regression.
Jika Anda hanya memiliki satu kelas data, yaitu perilaku normal, dan ingin mendeteksi outlier. one-classification.
Detail
Klasifikasi C dan klasifikasi nu adalah untuk penggunaan klasifikasi biner. Katakanlah jika Anda ingin membangun model untuk mengklasifikasikan kucing vs anjing berdasarkan fitur untuk hewan, yaitu, target prediksi adalah variabel / label diskrit.
Untuk perincian tentang perbedaan antara klasifikasi-C dan klasifikasi-nu. Anda dapat menemukan di FAQ dari LIBSVM
T: Apa perbedaan antara nu-SVC dan C-SVC?
Pada dasarnya mereka adalah hal yang sama tetapi dengan parameter yang berbeda. Kisaran C adalah dari nol hingga tak terbatas tetapi nu selalu antara [0,1]. Properti bagus nu adalah bahwa hal itu terkait dengan rasio vektor dukungan dan rasio kesalahan pelatihan.
Satu klasifikasi adalah untuk "deteksi outlier", di mana Anda hanya memiliki satu data kelas. Misalnya, Anda ingin mendeteksi perilaku "tidak biasa" dari akun satu pengguna. Tetapi Anda tidak memiliki "perilaku tidak biasa" untuk melatih model. Namun hanya perilaku normal.
eps-regresi dan nu-regresi digunakan untuk masalah regresi, di mana Anda ingin memprediksi angka terus menerus katakan harga perumahan. Perbedaan terperinci dapat ditemukan di sini: Perbedaan antara ep-SVR dan nu-SVR (dan kuadrat terkecil SVR)
