1、决策函数的表达式
- 公式：
其中：
2、SVM经过训练后，所得到的"dual_coef_"
- 其实"dual_coef_"就是"ai*yi" 的集合，即：
- dual_coef_ 与支持向量的类标的关系
如果dual_coef为正，则yi为正；如果dual_coef为负，则yi为负。
# 拉格朗日系数与支持向量的类标的乘积的集合（矩阵）
a_y = clf.dual_coef_
# 支持向量的类标（转换成矩阵）
sv_y = np.array([y_train[clf.support_]])
# 拉格朗日系数
a = np.multiply(a_y, sv_y)
3、验证
- 这里采用支持向量机的线性模型来验证
from sklearn import svm
from Orange.data import Table
import numpy as np
data = Table("iris2")
model = svm.SVC(C=1.0, kernel='linear')
model.fit(data.X, data.Y)
print(model.dual_coef_)
print(model.support_vectors_)
# 计算法向量 累加(a[i]*y[i]*sv[i]) dual_coef = 累加(a[i]y[i])
x = np.dot(model.dual_coef_ , model.support_vectors_)
print(x[0])
print(model.coef_[0])
model.dual_coef_:
model.support_vectors_:
x[0]
model.coef_[0]:
