python - 使用 sklearn.svm python 使用非线性内核提取系数

Question

这在理论上可能是不可能的，如果是这样请详细说明。

我正在尝试使用 Python 的 sklearn SVM 类拟合一些数据 sklearn SVM class

当我使用线性内核时，我可以使用 get_params 方法提取系数

coef_ : array, shape = [n_features] if n_classes == 2 else [n_classes, n_features] Weights assigned to the features (coefficients in the primal problem). This is only available in the case of linear kernel.

所以我可以找到依赖于所有自变量的最佳拟合方程，并且能够在其他地方使用这个方程。

是否可以使用 sklearn 从非线性内核(如 RBF 或多项式内核)执行相同的操作(获得非线性方程)？

谢谢!

蒂姆

Answer 1

根据documentation :

The decision function is:

...

This parameters can be accessed through the members dual_coef_ which holds the product y_i alpha_i, support_vectors_ which holds the support vectors, and intercept_ which holds the independent term \rho ...

(“支持向量”是指决策函数方程中的x_i)。

每个内核都有一个 different function ，您需要了解它才能计算 K(x_i,x) 项。