我正在使用 SKLearn 对我的数据运行 SVC。
from sklearn import svm
svc = svm.SVC(kernel='linear', C=C).fit(X, y)
我想知道如何获取 X 中每个数据点与决策边界的距离?
最佳答案
对于线性核,决策边界为y = w * x + b,点x到决策边界的距离为y/||w||。
y = svc.decision_function(x)
w_norm = np.linalg.norm(svc.coef_)
dist = y / w_norm
对于非线性内核,没有办法得到绝对距离。但是您仍然可以使用 decision_funcion
的结果作为相对距离。
关于python - SK学习: Getting distance of each point from decision boundary?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32074239/