我在尝试使用Liblinear对一些二维点进行线性SVM分类（我使用了一个简单的Python GUI来添加两个类别的点，然后绘制出分隔这些类别的线），尽管我在训练时使用了偏置选项（-B 1），但得到的偏置值非常接近于零（分隔线几乎通过原点）。

我还尝试简单地训练了一个包含两个点的集合：

-1 1:10 2:30+1 1:10 2:80

但我仍然得到一个非常小的偏置值（一条通过原点的线，而不是我认为应该在XY平面上的水平线）。这是我的输出向量w：

0.2003362041634111, -0.03465897160331861, 0.0200336204163411 

我做错了什么吗？

回答：

我不确定你做错了什么。

根据liblinear的常见问题解答：

问：LIBLINEAR与使用线性核的LIBSVM的结果是否相同？

它们应该非常相似。然而，有时差异可能不会很小。请注意，LIBLINEAR默认不使用偏置项b。如果你观察到非常不同的结果，尝试为LIBLINEAR设置-B 1。这将把偏置项添加到损失函数以及正则化项（w^Tw + b^2）中。然后，结果应该更接近。

这说明liblinear试图使偏置项尽可能小。如果它可以将其设置为零并且仍然获得良好的训练集准确性，那么它就会这样做。

没有特别好的理由认为正则化偏置会提供更好的分类器，因此许多其他学习系统在正则化项中不包括偏置项。然而，在‘现实世界’中涉及非常高维度的问题时，数据很可能在不需要偏置项的情况下是可分的，因此正则化偏置不会造成损害，并且可能更容易实现。