我正在使用sklearn.svm.SVC来解决分类问题。在训练了我的数据之后，我想通过许多值来循环偏差（即通常符号（w.x + b）SVM方程中的项b），以便产生ROC曲线。 （我已经进行了交叉验证并选择了我的超参数，因此这是用于测试）。
我尝试使用.intercept_属性，但这不会改变我从.predict()获得的内容...是否有其他方法可以改变偏见项？
我可能会恢复支持向量，然后实现我自己的.predict()函数，改变偏见，但这似乎是一种相当严厉的方法。
答案 0 :(得分：2)
2年前我遇到了同样的问题。不幸的是，唯一的解决方案是自己做这件事。实施＆＃34;预测＆＃34;很简单，它是Python中的一个单行程序。不幸的是.intercept_实际上是内部使用的拦截的副本（libsvm one）。相当令人困惑的是，对于来自同一个库的LinearSVC来说，它不是真的，你实际上可以替换偏差（但是，显然不能访问内核）。
显然，您不必像计算内核那样深入了解自己。您仍然可以访问＆＃34; decision_function＆＃34;，最终内部存在偏见。只需从决策功能中删除旧偏差，添加新偏差，然后取符号。这将是（达到偏见的标志）：
def new_predict(clf, new_bias, X):
return np.sign(clf.decision_function(X) + clf.intercept_ - new_bias)