分离超平面的方程为W.X + b = 0
。
对于 support vector machine in scikit-learn ,分离超平面是如何导出的? “a
”和“w
”代表什么?
最佳答案
在 scikit-learn 中,coef_
属性保存线性模型的分离超平面的向量。如果 n_classes > 1
(多类一对一),则其形状为 (n_classes, n_features)
且 (1, n_features)
为二元分类。
在这个二元分类玩具示例中,n_features == 2
,因此 w = coef_[0]
是与超平面正交的向量(超平面完全由下式定义)它+截距)。
要在 2D 情况下绘制此超平面(2D 平面的任何超平面都是 1D 线),我们需要找到一个 f
,如 y = f(x) = a.x + b
。在本例中,a
是直线的斜率,可以通过 a = -w[0]/w[1]
计算。
关于Python scikits 学习 - 分离超平面方程,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10953997/