嗨，我在scikit-learn的机器学习方面很新，但我有一个问题。
是否有可能让svm识别出具有更高重要性或重量的矢量数据的某些功能。我不知道正确的热量：/
这是我想要的例子：
让我们说我们在二维阵列中有很多人：
dt = [
[x1, y1, z1, q1],
[x2, y2, z2, q2],
[x3, y3, z3, q3],
[x4, y4, z4, q4]]
目标数据向量：
target = [1,0,0,1]
我想知道如何制作，例如，dt中每个矢量的所有q特征比其他特征更重要。
我知道如何按集合平衡数据或设置sample_weight，但两者都无法帮我解决这个问题。
干杯
答案 0 :(得分：1)
如果使用sklearn.svm.SVC进行分类，则可以访问分类器对象的coef_atribute。例如：
classifier = SVC(C=1.0, kernel='linear', random_state=241)
classifier.fit(dt, target)
coef = classifier.coef_ # here the weights of the features will be stored
http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html - 有关详细信息的文档。