獲取決策邊界爲SVM

在下面的例子： http://scikit-learn.org/stable/auto_examples/svm/plot_separating_hyperplane.html 獲取決策邊界爲SVM

我想獲得圖中所示的（線）決策邊界的係數。到

clf.coef_

[[-0.2539717 -0.83806387]]

一種呼叫，如果我沒有弄錯，代表方程的線

y = -0.83806387 * x - 0.2539717

然而，上述線是沒有得到所述決定邊界在這個例子中，coef_究竟是什麼，我怎樣才能獲得線性決策邊界的方程？

來源

2017-08-26 arnold_107

要獲得線性模型決策邊界線的方程，您需要同時獲得coef_和intercept_。另請注意，由於您使用的是SVC，因此會涉及多個決策邊界。

線方程可以構造爲：

y = w0 + w1 * x1 + w2 * x2 + ...

凡w0從intercept_獲得w1起在coef_發現，和x1及以後是你的特點。

例如，此代碼顯示如何打印出每個決策邊界的方程式。

from sklearn import svm 
import numpy as np 

clf = svm.SVC(kernel="linear") 

X = np.array([[1, 2], [3, 4], [5, 1], [6, 2]]) 
y = np.array(["A", "B", "A", "C"]) 

clf.fit(X, y) 

for (intercept, coef) in zip(clf.intercept_, clf.coef_): 
    s = "y = {0:.3f}".format(intercept) 
    for (i, c) in enumerate(coef): 
     s += " + {0:.3f} * x{1}".format(c, i) 

    print(s)

在本例中，線被確定爲：

y = 2.800 + -0.200 * x0 + -0.800 * x1 
y = 7.000 + -1.000 * x0 + -1.000 * x1 
y = 1.154 + -0.462 * x0 + 0.308 * x1

來源：http://scikit-learn.org/stable/modules/linear_model.html

來源

2017-08-26 14:02:06

如果你想繪製線性圖，即Y = AX + B，那麼你可以使用下面塊的代碼

tmp = clf.coef_[0] 
a = - tmp[0]/tmp[1] 

b = - (clf.intercept_[0])/tmp[1] 

xx = np.linspace(xlim[0], xlim[1]) 
yy = a * xx + b 
plt.plot(xx, yy)

希望這有助於！

來源

2017-08-26 12:47:45 Prem

獲取決策邊界爲SVM

回答

相關問題