Home IT技术 scikit-learn中的决策函数是否返回到超平面的真实距离? scikit-learn中的决策函数是否返回到超平面的真实距离? IT技术 xiaolong · 2025年4月12日 · 0 Comment 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。 相关文章: Scikit SVM: 创建训练数据集 使用chi平方核进行多标签预测 使用sklearn的CalibratedClassifierCV和SVM时出现错误 什么是Hashing vectorizer和Count vectorizer的区别,何时使用每种方法? 使用scikit-learn SVM和optunity时出现’bad input shape’错误 如何解读scikit-learn的混淆矩阵和分类报告? 使用class_weight=’auto’的SVC在scikit-learn中失败? 用户定义的SVM核函数与scikit-learn scikit OneClassSvm 稀疏矩阵返回的结果与稠密矩阵(非常)不同 如何解释非线性SVM中的类权重? libsvm machine-learning scikit-learn