我有一個非常簡單的1D分類問題：值列表[0,0.5,2]及其關聯的類[0,1,2].我想獲得這些類之間的分類界限.

調整iris example(用于可視化目的),擺脫非線性模型：

X = np.array([[x, 1] for x in [0, 0.5, 2]])

Y = np.array([1, 0, 2])

C = 1.0 # SVM regularization parameter

svc = svm.SVC(kernel='linear', C=C).fit(X, Y)

lin_svc = svm.LinearSVC(C=C).fit(X, Y)

給出以下結果：

LinearSVC正在返回垃圾(為什么？),但帶有線性內核的SVC工作正常.所以我想得到邊界值,你可以用圖形猜測：~0.25和~1.25.

這就是我失去的地方：svc.coef_返回

array([[ 0.5 , 0. ],

[-1.33333333, 0. ],

[-1. , 0. ]])

而svc.intercept_返回數組([ – 0.125,1.666666667,1.]).

這不明確.

我一定是在傻傻丟失,如何獲得這些價值觀？它們似乎很容易計算,迭代x軸找到邊界會很荒謬……

解決方法:

給定權重W = svc.coef_ [0]和截距I = svc.intercept_,決策邊界是線

y = a*x - b

同

a = -W[0]/W[1]

b = I[0]/W[1]

標簽：python,scikit-learn,classification,svm

來源： https://codeday.me/bug/20190725/1530670.html

總結

以上是生活随笔為你收集整理的python svm 决策方程_python – 使用scikit-learn线性SVM提取决策边界的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。