我在Node.js中编写一个机器学习程序，想使用LibLinear和SvmPerf这样的库，但这些库在Node.js中不可用。因此，在训练时，我只是创建一个包含训练样本的文件，并在该文件上执行SvmPerf二进制文件。对于分类，我也可以这样做，但由于分类比训练频繁得多，这样做可能会太慢。

所以我想到了另一种方法：由于SVM中的分类（使用线性核）只是模型权重与输入特征值的内积，我可以读取SvmPerf的模型文件，解析它并将权重保存在内存中，然后在Node.js中自己进行分类。

这种方法正确吗？我确实可以通过计算SvmPerf/LibLinear创建的模型与输入样本之间的内积来进行分类吗？

回答：

简短的回答是是的。在二元线性情况下，你只需获取w超平面的坐标和b参数，计算新点x的<w,x>-b，并返回结果的符号。对于多标签分类，你需要根据所使用的库方法（1对所有或1对1）实现某种投票方案。

大多数库不存储w参数，而是存储支持向量sv_i的列表及其对应的“权重”slpha_i y_i（通常每个向量一个数字）。要获取w参数，你必须计算w = sum_i alpha_i y_i sv_i。而b变量有时被称为intercept。