我使用python3.x中的sklearn库训练了LinearSVC模型。目标变量“ y”具有4个级别（0、1、2、3）。
model = LinearSVC()
X_train, X_test, y_train, y_test = tts(X, y, test_size = 0.25,
random_state = 4)
model.fit(X_train, y_train)
model.coef_
我得到一个像这样的numpy ndarray：
array（[[--1.64280582，-0.49711136，0.，...，0.， -0.50203059，0.]， [0.，0.，-2.67396495，...，2.35298657， 0.，0.]， [1.11471827，3.76220356，0.，...，-11.09758616， 0.，0.]， [0.，-2.7305259，0.09663903，...，0.， 0.，0.]]）
我需要知道哪个数组匹配每个目标变量级别。我怎么知道？
答案 0 :(得分：0)
此数组与输入数据的顺序相同。数组从[0]开始，它对应于输入数据中的feature_1。 该数组的结构将为n_classes * n_features。
答案 1 :(得分：0)
首先，这是一个相对于其余的实现。
从文档中：
coef_：数组，如果n_classes == 2，则形状= [n_features]，否则[n_classes， n_features]分配给要素的权重（ 原始问题）。仅在线性情况下可用 内核。
coef_是从raw_coef_派生的只读属性，该属性紧随 liblinear的内部内存布局。
在您的情况下，形状为[n_classes，n_features]。
model.coef_[0,:]为您提供类0 vs all的特征权重。
model.coef_[1,:]为您提供类1 vs all的特征权重。
e.t.c。