sklearn提供了基于SVM的两种回归方法，SVR和NuSVR。后者声称使用了libsvm。然而，除了这一点，我没有看到关于何时使用哪种方法的描述。有人有想法吗？我正在尝试对3m x 21的矩阵进行回归，使用5折交叉验证和SVR，但它完成的时间太长了。我已经中止了任务，现在正在考虑使用NuSVR。但我不确定它能提供什么优势。

NuSVR – http://scikit-learn.org/stable/modules/generated/sklearn.svm.NuSVR.html#sklearn.svm.NuSVRSVR – http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVR.html#sklearn.svm.SVR

回答：

它们是同一实现的等价但略有不同的参数化。大多数人使用SVR。你不能对如此多的样本使用核SVR。你可以尝试SVR(kernel=”Linear”)，但这可能也是不可行的。我推荐使用SGDRegressor。不过，你可能需要调整学习率和轮数。

你也可以尝试RandomForestRegressor，它应该也能很好地工作。