我在load_digits（）数据集上训练了一个SVM模型，该数据集是Sklearn包的一部分。它是一个包含10个类的多类分类问题。以下是我的分类器状态
svmclf=SVC(kernel='linear',decision_function_shape='ovr',C=1,gamma=1, max_iter=2000)
因为我正在使用＆＃39; ovr＆＃39;决策功能形状，该模型建立了10个分类器。该模型给了我385个支持向量。这些支持向量是否是单个分类器的总支持向量的存储库？如果有的话，是否有一个命令可以帮助我分别找出每个分类器的支持向量？
In:svmclf.support_vectors_.shape
Out:(385,65)
您还能告诉我们对以下命令输出的解释是什么
svmclf.coef_
svmclf.dual_coef_
svmclf.coef_的形状是（45,64）。我假设形状为（10,64），因为我们有10个分类器，每个分类器有（1,64）权重向量。
答案 0 :(得分：0)
这里有一些不完整的问题（因为我认为它太压缩了）：
n combinations: C(n,r)
C(10,2) = 45
所以你观察了 one-vs-one （全部45对）多类方法的结果。那是因为你的代码（没有完全显示）或sklearn的内部需要更多的分析