我在执行以下代码块时引用了以下博客文章 https://prateekvjoshi.com/2015/12/15/how-to-compute-confidence-measure-for-svm-classifiers/我得到了以下结果。我的目的是找出 Scikit-learn 中 SVM 的 SVC 中一个点与 3 个类的距离,但我对所描述的含义感到困惑,是否有任何解决方案。
import numpy as np
from sklearn.svm import SVC
x = np.array([[1,2],[2,3],[3,4],[1,4],[1,5],[2,4],[2,6]])
y = np.array([0,1,-1,-1,1,1,0])
classifier = SVC(kernel='linear')
classifier.fit(x,y)
classifier.decision_function([2,1])
最后一次调用给出大小为 3 的数组的以下输出
array([[ -8.88178420e-16, -1.40000000e+00, -1.00000000e+00]])
这个数组的含义是什么,我们如何使用这个数组来找出与特定数据点相关的三个类(-1,1,0)。
最佳答案
是点[2,1]
到SVM分类器分离超平面的距离。因此,第一个值是 [2,1]
与分隔第一类的超平面的距离,依此类推。可以看到该函数的实现here并阅读文档 here了解更多信息。
编辑:您还可以查看 this example也是如此。
关于python-2.7 - 当使用 3 个类时,Scikitlearn 的 SVM 中获取决策函数的输出意味着什么,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46327725/