Python 如何获取scikit学习SVM分类器的所有alpha值？

我需要的阿尔法值，这是拉格朗日乘数的支持向量机对偶问题，训练后的支持向量机分类器与scikit学习。根据该文件，scikit learn似乎只提供了

svm.dual_coef_

，它是拉格朗日乘数α和数据点标签的乘积

我试图通过将

svm.dual_coef_

的元素除以数据标签来手动计算alpha值，但由于

svm.dual_coef_

仅存储支持向量的系数，我不确定是否迭代此数组，支持向量的顺序将与原始训练数据中的顺序相同

---

那么，有没有可靠的方法来获取支持向量的α值呢？

因为α值根据定义是正的，所以可以通过获取双系数的绝对值来获得：

alphas = np.abs(svm.dual_coef_)

whis是以下事实的直接结果：

svm.dual_coef_[i] = labels[i] * alphas[i]

其中，

标签[i]

为

-1

或

+1

和

字母[i]

始终为正。此外，您还可以通过

labels = np.sign(svm.dual_coef_)

使用相同的观察结果。这也是scikit learn不存储字母的原因——它们唯一地由双字母和标签表示

一旦分析了所有可能的情况，就很容易理解：

• labels[i]=-1

  和

  alphas[i]>0

  dual-coef[i]<0

  和

  dual-coef[i]==labels[i]*alphas[i]

• 标签[i]=-1

  和

  字母[i]<0

  =>不可能（字母是非负的）

• 标签[i]=-1

  和

  字母[i]==0

  =>它不是支持向量

• labels[i]=+1

  和

  alphas[i]>0

  dual-coef[i]>0

  和

  dual-coef[i]==alphas[i]==labels[i]*alphas[i]

• 标签[i]=+1

  和

  字母[i]<0

  =>不可能（字母是非负的）

• 标签[i]=+1

  和

  字母[i]==0

  =>它不是支持向量

因此，如果

dual_coef_[i]

为正，则为

alphas[i]

系数，属于正类；如果为负，

alphas[i]==-dual_coef[i]

则属于负类