linearSVC如何结合多个超平面权重来预测多类分类？

Question

我假设，由于linearSVC的多类分类的默认值为'one-vs-rest'，因此对于输入的linearSVC，将预测与其对应的超平面之间的正距离最大的类。但是，以下实验似乎不是这样的：-

我采用3类数据集-{-1,0,1}类。默认情况下，使用linearSVC时，它需要1个休息点，并训练3个超平面。因此，第一个超平面用于对“给定输入是否属于-1类”进行分类，依此类推。我为两个输入计算了距超平面的距离

clf.decision_function(x_train[:2])

这给出了输出

      array( [-0.5 , -1.1,  0.2],
              [ 0.10 , -1.1, -0.5 ] )

现在我尝试使用

预测相同的两个输入

output = clf.predict(x_train,y_train)
print(output[:2])

这将输出

array([ 1, 1])

这很奇怪，因为我发现超平面距离与预测输出之间没有关联！因此问题仍然存在，linearSVC如何预测多类数据集的分类？