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

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注