scikit-learn中的决策函数是否返回到超平面的真实距离?

决策函数是否如这里所述,返回每个样本到超平面的实际距离?还是需要像这里展示的那样进行额外的计算?应该使用哪种方法?


回答:

不,那不是实际距离。根据具体情况,你可能(线性核)或可能不(非线性核)能够将其转换为实际距离。这里有另一个很好的解释。无论如何,如果你想要实际距离,是的,你必须采取那个额外的步骤

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注