scikit-learn, LinearSVC – 如何从训练后的SVM中获取支持向量?

我正在使用scikit-learn库中的LinearSVC,我想知道是否有可能提取出模型在训练后用于预测的向量。我尝试在谷歌上搜索了一段时间但没有找到答案。有人知道吗?


回答:

遗憾的是,似乎没有办法做到这一点。LinearSVC调用了liblinear库(查看相关代码),但它并没有检索向量,仅检索了系数和截距。

一个替代方案是使用带有’linear’核的SVC(基于libsvm而不是liblinear),但polydbfsigmoid核也支持这一选项:

from sklearn import svmX = [[0, 0], [1, 1]]y = [0, 1]clf = svm.SVC(kernel='linear')clf.fit(X, y)print clf.support_vectors_

输出:

[[ 0.  0.] [ 1.  1.]]

liblinear在处理大量样本时表现更好,但在其他方面它们大体上是等价的。

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