当使用 3 个类时，输出对于在 Scikitlearn 的 SVM 中获取决策函数意味着什么答案

【问题标题】：What does the Output means for getting Decision Function in Scikitlearn's SVM, when used 3 classes当使用 3 个类时，输出对于在 Scikitlearn 的 SVM 中获取决策函数意味着什么
【发布时间】：2018-03-01 20:23:25
【问题描述】：

我在执行以下代码块https://prateekvjoshi.com/2015/12/15/how-to-compute-confidence-measure-for-svm-classifiers/ 时参考了以下博客文章，并获得了以下结果。我的意图是在 Scikit-learn 的 SVM 的 SVC 中找出一个点与 3 个类的距离，但我对所描述的含义感到困惑，是否有任何解决方案。

import numpy as np
from sklearn.svm import SVC
x = np.array([[1,2],[2,3],[3,4],[1,4],[1,5],[2,4],[2,6]])
y = np.array([0,1,-1,-1,1,1,0])
classifier = SVC(kernel='linear')
classifier.fit(x,y)
classifier.decision_function([2,1])

最后一次调用给出以下大小为 3 的数组的输出

array([[ -8.88178420e-16,  -1.40000000e+00,  -1.00000000e+00]])

这个数组是什么意思，我们如何使用这个数组来找出与特定数据点相关的三个类（-1,1,0）。

【问题讨论】：

标签： python-2.7 machine-learning scikit-learn svm

【解决方案1】：

它是点[2,1]到SVM分类器的分离超平面的距离。所以第一个值是[2,1] 与分离第一类的超平面的距离，以此类推。您可以查看函数的实现here 并阅读文档here 了解更多信息。

编辑：您也可以查看this example。

【讨论】：

@Mohammad Kashif，您能否进一步详细说明 3 个值会进一步响应什么，我很困惑，是否像第一个值是比较 (-1,0) 类，第二个是 (0,1)第三个是 (1,-1) 是这样还是其他方式....
@AmutheezanSivagnanam 它基本上是点[2,1]到类-1的超平面的垂直距离，然后是点[2,1]到类0的超平面的垂直距离，最后是垂直距离来自类 1 的超平面的点 [2,1]。
@Mohammad Kashif，在我的任务中，我需要预测它属于哪个类，这对于 3 个类和使用决策距离来说是可能的，顺便说一句，我调整以获得 rbf 内核中的模型，它表示它给出了相对距离.因为当我尝试决策函数而不是预测或预测概率时，它给出的 fscore 和平均值非常低
"第一个值是 [2,1] 与分离第一类的超平面的距离"。我来到this answer，它详细阐述了该主题并解释了列实际上包含与一对类（而不是单个超平面）的相对位置。这与使用 4 个类时返回的数组有 6 列（根据文档为 4x3/2）这一事实是一致的，这是类的唯一成对组合的数量。所以在 OP 案例中，第一列包含相对于类 1 和 2 的度量。