Scikit-learn implementa Support Vector Machines para escenarios de clasificación en varias clases:
SVC
SVC es la clase principal ofrecida por Scikit-learn. Está implementada sobre la librería libsvm y la función de coste viene determinada por el parámetro C que ya hemos visto. El parámetro kernel especifica el tipo de kernel a usar. Las implementaciones nativas son "linear", "poly", "rbf" y "sigmoid". También es posible usar kernels desarrollados a medida.
NuSVC
En lugar de utilizar el parámetro C, NuSVC utiliza el parámetro nu que controla el número de vectores de soporte.
LinearSVC
Semejante a SVC con el parámetro kernel="linear" (único kernel soportado). En lugar de estar implementado con libsvm, lo está con liblinear lo que supone más flexibilidad en la asignación de penalizaciones y funciones de coste. Según la documentación de Scikit-learn, esta implementación debería ofrecer mejor rendimiento que SVC cuando se trabaja con gran número de muestras.
