我使用sklearn.svm.SVC對於分類問題之前。在對我的數據進行訓練之後，我想通過許多數值來循環偏差（即通常符號（w.x + b）SVM方程中的項b），以產生ROC曲線。 （我已經進行了交叉驗證並選擇了我的超參數，所以這是用於測試的）。改變偏置參數b在scikit SVM訓練後，預測
我試着玩.intercept_屬性，但這並沒有改變我從.predict()得到的東西......是否有其他方法來改變偏倚項？
我有可能恢復的支持向量，然後實現自己的.predict()功能，具有改變偏見，但是這似乎是一個相當嚴厲的辦法。
我2年前有一個非常相同的問題。不幸的是，唯一的解決方案是自己做這件事。實現「預測」是非常直接的，它是Python中的單線程。不幸的是.intercept_實際上是一個複製內部使用截距（所述LIBSVM一個）的是。非常令人困惑的是，對於來自同一個庫的LinearSVC，這是不正確的，實際上你可以改變偏差（但是，顯然不能訪問內核）。
當然，你不必去深如計算內核重視自己。您仍然可以訪問「decision_function」，最終，它有內在的偏見。簡單地從決策功能中刪除舊的偏差，添加新的偏差，並採取標誌。這將是（高達偏差的符號）：
def new_predict(clf, new_bias, X):
return np.sign(clf.decision_function(X) + clf.intercept_ - new_bias)