使用sklearn.svm python使用非线性内核提取系数

Question

这在理论上可能是不可能的，如果是这样请详细说明。

我正在尝试使用Python的sklearn SVM类sklearn SVM class来填充一些数据

当我使用线性内核时，我可以使用get_params方法提取coefs

  

coef_：array，shape = [n_features] if n_classes == 2 else [n_classes，   n_features]赋予特征的权重（系数）   原始问题）。这仅适用于线性内核。

所以我可以找到取决于所有自变量的最佳拟合方程，并且能够在其他地方使用这个方程式。

是否可以使用sklearn从非线性内核（如RBF或多项式内核）执行相同的操作（获取非线性方程式）？

谢谢！

添

Answer 1

根据documentation：

  

决策功能是：

     

     

...

     

这些参数可以通过成员dual_coef_访问，其中包含产品y_i alpha_i，support_vectors_，其中包含支持向量，intercept_包含独立词\ rho ...... < / p>

（“支持向量”表示决策函数方程中的x_i）。

每个内核都有different function，您需要了解它才能计算K（x_i，x）项。