我在观看一个YouTube视频来学习支持向量机（SVM）。在视频中，他提到SVM会寻找支持向量分类器（SVC）来划分数据，作为其分类过程中的一个步骤。
我使用了scikit-learn中的LinearSVC进行分类，但我很难理解scikit-learn中LinearSVC的实现到底是SVM还是SVC，或者视频中的描述是否有误。我在不同网站上发现了矛盾的描述。
- 这个问题的接受答案指出，LinearSVC不是SVM，但也没有说它是SVC。
- 在LinearSVC的描述页面上，它说的是“线性支持向量分类”，但在这个页面的“另见”部分，它说LinearSVC是“使用liblinear实现的可扩展线性支持向量机分类器”。
据我所知，LinearSVC和SVC(kernel=’linear’)是不一样的，但这不是问题所在。
回答：
在机器学习概念上，LinearSVC两者皆是，因为：
SVM是一种模型/算法，用于寻找一个平面来分割样本空间- 这可以用于分类（
SVC）和回归（SVR）——SVC和SVR都是SVM的一种
因此，SVC是SVM的一种，而LinearSVC看起来像是SVC的一种特定类型，尽管在scikit-learn中没有扩展一个基础的SVC类。
如果你指的是sklearn的源代码——LinearSVC位于svm模块中…所以它是SVM。它没有扩展SVC或BaseSVC类，但对我来说这是一个实现问题/细节，我更愿意将其视为SVC。
