Python 混淆；双系数；一类支持向量机的研究

我读过sklearn中提供的“估计高维分布的支持度”一文

我注意到双变量有一个约束∑_iα_i=1

但是当我试图调用api

clf.\u dual\u coef.

时，我发现

clf.\u dual\u coef.

的和不会是1

我有没有遗漏任何细节

谢谢

结果 对于一类SVM，解决了一个标度问题，即每个α_i乘以（ν）ℓ), 其中，ν是超参数，且ℓ 是实例数。因此约束变成α_i≤1及∑_iα_i=νℓ.

---

理由 第2.3节

与ν-SVC的情况类似，在LIBSVM中，我们解决了（7）的缩放版本

其中在第2.2节（ν-支持向量分类）中引用

在LIBSVM中，我们解决了问题（5）的一个缩放版本，因为由于约束条件αi，数值上的αi可能太小≤1/ℓ.

因此对于一类SVM，LIBSVM解决了一个比例问题，因为数值上的αi可能由于约束αi而太小≤1/(νℓ).

---

验证 具体地说，因为问题是关于sklearn的，所以我修改了中的代码以确认想法，尽管根据我的理解，在后端使用LIBSVM

from sklearn.svm import OneClassSVM
from sklearn.datasets import load_boston

X = load_boston()['data'][:, [8, 10]]
clf = OneClassSVM(nu=0.261, gamma=0.05)
clf.fit(X)

print(clf.nu*X.shape[0])
print(clf._dual_coef_.sum())

给予

结果 对于一类SVM，解决了一个标度问题，即每个α_i乘以（ν）ℓ), 其中，ν是超参数，且ℓ 是实例数。因此约束变成α_i≤1及∑_iα_i=νℓ.

---

理由 第2.3节

与ν-SVC的情况类似，在LIBSVM中，我们解决了（7）的缩放版本

其中在第2.2节（ν-支持向量分类）中引用

在LIBSVM中，我们解决了问题（5）的一个缩放版本，因为由于约束条件αi，数值上的αi可能太小≤1/ℓ.

因此对于一类SVM，LIBSVM解决了一个比例问题，因为数值上的αi可能由于约束αi而太小≤1/(νℓ).

---

验证 具体地说，因为问题是关于sklearn的，所以我修改了中的代码以确认想法，尽管根据我的理解，在后端使用LIBSVM

from sklearn.svm import OneClassSVM
from sklearn.datasets import load_boston

X = load_boston()['data'][:, [8, 10]]
clf = OneClassSVM(nu=0.261, gamma=0.05)
clf.fit(X)

print(clf.nu*X.shape[0])
print(clf._dual_coef_.sum())

给予