machine-learning - SVM中的决策边界计算

Question

一旦我们得到模型的系数，我就无法理解决策边界是如何计算的。

这是我引用的链接:http://scikit-learn.org/stable/auto_examples/svm/plot_svm_margin.html

这是代码

# get the separating hyperplane
w = clf.coef_[0]
a = -w[0] / w[1]
xx = np.linspace(-5, 5)
yy = a * xx - (clf.intercept_[0]) / w[1]

我不明白a = -w[0]/w[1]这行代码。

为什么我们要将一个系数除以另一个系数？

Answer 1

分离超平面的形式为w[0]*x+w[1]*y+intercept=0。所以

w[1]*y=-w[0]*x-截距

现在两边除以w[1]，就得到

y=-(w[0]/w[1])*x-截距/w[1]。

这正是代码中出现的等式。