据我所知，带有 rbf 核的 SVM 决策函数看起来像这里的第22页幻灯片。
在 SVM 学习之后
from sklearn import svmX = [[0, 0], [1, 1]]y = [0, 1]clf = svm.SVC()clf.fit(X, y)如何查看决策函数的系数 theta_i？
回答：
我发现如果将类别 [0, 1] 作为 libsvm 的标签，那么 sv_coef 将用于确定 0 类。但如果我们使用 [1, 0]，那么 sv_coef 将用于确定 1 类。
据我所知，带有 rbf 核的 SVM 决策函数看起来像这里的第22页幻灯片。
在 SVM 学习之后
from sklearn import svmX = [[0, 0], [1, 1]]y = [0, 1]clf = svm.SVC()clf.fit(X, y)如何查看决策函数的系数 theta_i？
回答：
我发现如果将类别 [0, 1] 作为 libsvm 的标签，那么 sv_coef 将用于确定 0 类。但如果我们使用 [1, 0]，那么 sv_coef 将用于确定 1 类。