Machine learning 试图通过手动实现来理解SVC RBF核的决策函数，但不能获得与SKF决策函数相同的输出 求两点之间距离的平方 实现决策功能 代码> DEF决策函数（XCV，席，易，拦截，A）： df=[] 对于 X, y = make_classification(n_s

试图通过手动实现来理解SVC RBF核的决策函数，但不能获得与SKF决策函数相同的输出 求两点之间距离的平方 实现决策功能 代码> DEF决策函数（XCV，席，易，拦截，A）： df=[] 对于

X, y = make_classification(n_samples=5000, n_features=5, n_redundant=2,
                           n_classes=2, weights=[0.7], class_sep=0.7, random_state=15)
xtrain,xtest,ytrain,ytest=train_test_split(X,y,test_size=0.2)
xtr,xcv,ytr,ycv=train_test_split(xtrain,ytrain,test_size=0.25)

clf = SVC(gamma=0.001, C=100.)
clf.fit(xtr, ytr)

intercept=clf.intercept_
alpha=clf.dual_coef_

ind=clf.support_
ytemp=ytrain[ind]
Yi=np.where(ytemp==0,-1,ytemp)

def dist(x1,x2):
    s=0
    for i in range(len(x1)):
        s+=(x1[i]-x2[i])**2
    return s