Question

import sklearn
import numpy
from sklearn.svm import SVC
f=open ('svm_data','r')
X=[]
y=[]
for line in f:
comps=line.strip().split('\t')
x=[float(comps[0]),float(comps[1])]
Y=float(comps[2])
X.append(x)
y.append(y)
X=numpy.asarray(X)
Y=numpy.asarray(Y)

如何在这个问题中找到支持函数。在给定数据上分别使用3阶内核的rbf，线性和多项式获得的支持向量有多少

Answer 1

您没有在代码中训练任何内容，支持向量的数量和性质取决于数据和参数。

如果你训练了你的分类器/回归器，你可以通过以下方式获得它们：

sv = clf.support_vectors_

如docs中所述。

这是一个形状[n_SV, n_features]的数组。

文档中的完整示例：

import numpy as np
X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
y = np.array([1, 1, 2, 2])
from sklearn.svm import SVC
clf = SVC()
clf.fit(X, y) 

print(clf.support_vectors_)

python中的实现支持向量

1 个答案: