我在使用Python的Scikit-Learn库进行异常值检测。我使用的是OneClassSVM。我遇到了一个问题，每次运行我的代码时（没有错误），它都会打印[LibSVM]。

我不知道为什么会这样，我在代码中没有任何打印函数。

out_cls = [['One class SVM',OneClassSVM(cache_size=80, coef0=0.5, gamma ='auto', kernel = 'poly', random_state= None, shrinking=True, tol = 0.1, verbose = True, nu = 0.2)],                     ['Isolation Forest', IsolationForest(behaviour='new', contamination='auto',max_features=4, max_samples=2, n_estimators= 90, random_state=1)]]r = dffor out in out_cls:    cls = out[1]    model = cls.fit(x)    prediction = model.predict(x)   # print(model.best_params_)    result = []    for i in prediction:        if i == -1:            result.append('BOT')        else:            result.append('good')    r[out[0]] = result

回答：

scikit-learn中所有底层的SVM功能实际上都是基于LibSVM的；从OneClassSVM的文档中可以看到：

实现是基于libsvm的。

在源代码中也可以看到许多对此的引用。

这个控制台输出只是在模型定义中设置verbose=True的副作用；从文档中的简单示例中可以看到：

from sklearn.svm import OneClassSVMX=[[0], [0.44], [0.45], [0.46], [1]]clf = OneClassSVM(gamma='auto', verbose=True)clf.fit(X)

显示输出为：

[LibSVM]OneClassSVM(cache_size=200, coef0=0.0, degree=3, gamma='auto', kernel='rbf',            max_iter=-1, nu=0.5, random_state=None, shrinking=True, tol=0.001,            verbose=True)

设置verbose=False可以消除[LibSVM]的显示，这无论如何都不是问题，因为它不会以任何方式影响你的代码。