Scikit learn sklean LinearSVC如何对边界上的测试用例进行分类？

我刚做了个实验。我只提供了两个培训案例[0,1]和[1,0]。它们属于两个不同的类别。测试用例是[0，0]，它位于决策边界上。分类器将其分配给类0。是否因为0类是第一类？这真的有意义吗

>>> X=numpy.array([[0,1],[1,0]])
>>> y=numpy.array([0,1])
>>> clf.fit_transform(X,y)
array([[0, 1],
       [1, 0]])

>>> clf.predict(numpy.array([[0,0]]))
array([0])
>>> clf.decision_function(numpy.array([[0,0]]))
array([ 0.])
>>> clf.coef_
array([[ 0.66666667, -0.66666667]])
>>> clf.predict(numpy.array([[0,1]]))
array([0])
>>> clf.decision_function(numpy.array([[0,1]]))
array([-0.66666667])
>>> clf.intercept_
array([ 0.])
>>> clf.intercept_ > 0
array([False], dtype=bool)

---

就我个人而言，我会把你的实验作为这个问题的答案

决策边界上的点是不明确的。行为应该是什么？它应该预测两类中的一类吗？出错？阿南

通过您的实验，scikit learn预测

0

。我认为这意味着在一般情况下，它会选择第一个（按字典顺序）作为边界情况

如果边界情况对应用程序很重要，则必须编写特殊代码来检查decision函数是否精确为0，并执行不同的操作。像这样：

scores = clf.decision_function( X )
predictions = scores > 0
preidctions[ scores==0 ] = np.nan

---

谢谢你的解释