在 sklearn 中学习 SVM 后如何使用 dual_coef_ param？答案

【问题标题】：How can I use dual_coef_ param after SVM learning in sklearn?在 sklearn 中学习 SVM 后如何使用 dual_coef_ param？
【发布时间】：2014-01-16 01:23:27
【问题描述】：

据我所知，带有 rbf 内核的 SVM 决策函数看起来像 here on slide 22。

SVM 学习后

from sklearn import svm
X = [[0, 0], [1, 1]]
y = [0, 1]
clf = svm.SVC()
clf.fit(X, y)

如何查看决策函数的系数theta_i？

【问题讨论】：

标签： python machine-learning svm scikit-learn

【解决方案1】：

查看official documentation（参见属性部分）。您可能正在寻找dual_coef_。

>>> from sklearn import svm

>>> X = [[0, 0], [1, 1]]
>>> y = [0, 1]
>>> clf = svm.SVC()
>>> clf.fit(X, y)
>>> clf.dual_coef_
array([[ 1., -1.]])
>>> clf.support_vectors_
array([[ 0.,  0.],
       [ 1.,  1.]])

【讨论】：

是的，我找到了，但是 1 * f1 - 1 * f2 会给我们 [0, 0] 的正值和 [1, 1] 的负值。可能是 libsvm 中的决定函数看起来不像这里：d396qusza40orc.cloudfront.net/ml/docs%2Fslides%2FLecture12.pdf
@user3142484，这取决于您评估f1 和f2 的点。您应该同时评估两者并找到您刚刚获得的总和的符号。这将告诉该点属于哪个类（0 或 1）。
f1 = exp( -gamma * ||x-[0, 0]||^2 ) f2 = exp( -gamma * ||x-[1, 1]||^2 )所以对于 [0, 0] f1 将大于 f2 并且 f1-f2 > 0 然后预测应该是 1
@user3142484，明确一点：你知道predict和decision_function的方法吗？您是否打算了解 libsvm 的工作原理？

【解决方案2】：

我发现如果类 [0, 1] 作为 libsvm 的标签，那么将生成 sv_coef 以确定 0 类。但是如果我们给出 [1, 0]，那么 sv_coef 将会为 1 个类生成。

【讨论】：