scikit-learn，linearsvc - 如何从训练的SVM获取支持向量？

Question

我使用scikit-learn库中的LinearSVC，我想知道是否可能以某种方式拉出训练后预测的模型使用的向量。尝试谷歌一段时间，但没有任何运气。有谁知道？

Answer 1

不幸的是，似乎没有办法做到这一点。 LinearSVC调用liblinear（see relevant code），但不检索矢量，只检索系数和截距。

一个替代方案将是使用SVC与 '线性' 的内核（LIBSVM代替基于liblinear），但也poly，dbf和sigmoid内核支持此选项：

from sklearn import svm 

X = [[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可以更好地适应大量的样本，但除此之外大部分是等价的。

Answer 2

这可以帮助你。

clf = svm.SVC(kernel='rbf',C=0.05) 
clf.fit(traindata,y) 
print clf.support_vectors_ 

此链接可以根据需要提供更多信息。 http://scikit-learn.org/stable/modules/svm.html

Answer 3

我不知道是否有帮助，但我正在寻找类似的东西，结论是，如果：

clf = svm.LinearSVC() 

那么这样的：

clf.decision_function(x) 

等于这样的：

clf.cof_.dot(x) + clf.intercept_