Python 在sklearn中SVM学习后，如何使用dual_coef_param？

据我所知，带有rbf核的SVM决策函数看起来像

支持向量机学习后

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

？

查看（请参见属性部分）。您可能正在寻找

dual\u coef\u

>>> 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.]])

---

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

是的，我找到了，但是1*f1-1*f2会为[0,0]给出正值，为[1,1]给出负值。可能是libsvm中的decision函数看起来与此处不同：@user3142484，它取决于您计算的点

f1

和

f2

。你应该在同一点上对两者进行求值，并找到你刚才所做的总和的符号。这将告诉我们该点属于哪一类（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，f1-f2>0，然后预测应该是正确的1@user3142484，只是想澄清一下：您知道方法

预测

和

决策函数

？您是否打算了解libsvm是如何工作的？