我正在寻找 scikit-learn 中 SVC 函数的详细日志缩写的含义？
如果 nSV 是支持向量的数量，#iter 是迭代次数，那么 nBSV, rho,obj 是什么意思？
这是一个例子：
import numpy as np
from sklearn.svm import SVR
sets=np.loadtxt('data\Exp Rot.txt') # reading data
model=SVR(kernel='rbf',C=100,gamma=1,max_iter=100000,verbose=True)
model.fit(sets[:,:2],sets[:,2])
print(model.score)
这是结果
scikit-learn 正在使用libsvm 的支持向量机实现（LinearSVC 将使用同一作者的 liblinear）。官方网站有它自己的常见问题解答在这里回答这个问题。
摘抄：
问：训练 C-SVM 的输出如下。他们的意思是什么？
优化完成，#iter = 219
nu = 0.431030
obj = -100.877286，rho = 0.424632
nSV = 132，nBSV = 107
总 nSV = 132
obj 是对偶 SVM 问题的最优目标值
rho 是决策函数 sgn(w^Tx - rho) 中的偏差项
nSV 和 nBSV 是支持向量和有界支持向量的数量（即 alpha_i = C）
nu-svm 是 C-SVM 的某种等效形式，其中 C 被 nu 替换
nu 仅显示相应的参数。更多细节在 libsvm 文档中