结果

对于一类SVM，LIBSVM解决了一个缩放问题，即每个α_i都乘以（νℓ），其中ν是超参数，而of是实例数。因此约束变为α_i≤1且∑_iα_i=νℓ。

原因

在LIBSVM的 2.3节中

与ν-SVC的情况类似，在LIBSVM中，我们求解（7）的缩放版本。

在第2.2节（v-支持向量分类）中引用的位置

在LIBSVM中，我们解决问题（5）的缩放版本，因为由于约束α_i≤1/ℓ，数值α_i可能太小。

因此对于一类SVM，LIBSVM解决了一个定标问题，因为数值α_i由于约束α_i≤1/（ν1/）可能太小。

验证

具体来说，因为问题是关于sklearn的，所以我从此处修改代码以确认想法，尽管根据我的理解sklearn.svm.OneClassSVM在后端中使用LIBSVM。

from sklearn.svm import OneClassSVM
from sklearn.datasets import load_boston

X = load_boston()['data'][:, [8, 10]]
clf = OneClassSVM(nu=0.261, gamma=0.05)
clf.fit(X)

print(clf.nu*X.shape[0])
print(clf._dual_coef_.sum())

给

132.066
132.06599999999918