我想知道线性 SVM 和具有线性内核的 SVM 之间是否存在差异。还是线性 SVM 只是具有线性内核的 SVM？
linear_svm如果是这样，这两个变量和linear_kernel下面的代码有什么区别。
from sklearn import svm
linear_svm = svm.LinearSVC(C=1).fit(X_train, y_train)
linear_kernel_svm=svm.SVC(kernel='linear', C=1).fit(X_train, y_train)
正如您在文档（http://scikit-learn.org/stable/modules/generated/sklearn.svm.LinearSVC.html）中所读到的，它在概念上相似，但以另一种方式实现以增加灵活性：
与参数 kernel='linear' 的 SVC 类似，但根据 liblinear 而不是 libsvm 实现，因此它在选择惩罚和损失函数方面具有更大的灵活性，并且应该更好地扩展到大量样本。
因此，如果您只想使用线性支持向量，请使用此支持向量，因为它可以更好地扩展并且您可以使用损失函数获得更多自由，但如果您想更轻松地在网格搜索中尝试不同的内核，请使用更通用的支持向量。