使用 scikit 以原始形式 SVM 计算常数 b

Question

在支持向量机的二元分类的情况下，每个新点x'都通过评估进行分类，

y' = sign(w . x' + b)

原始问题就是这种情况。

我想找出分类器方程，为此我需要找到"w"向量和常数"b"。我正在使用scikit-learn包在Python中实现它。

在scikit-learn包中，w向量可以通过属性"coef_"找到，但是我如何找到常量b的值？

from sklearn import svm
cll = svm.SVC(kernel='linear')
cll.fit(X, Y) #X is the instances and Y is the output variable
w = cll.coef_[0]

如何找到 b？

注意："intercept_"属性包含来自对偶形式的独立项 -P，而不是来自原始形式的独立项 -P。

Answer 1

注意："intercept_"属性包含来自对偶形式的独立项 -P，而不是来自原始形式的独立项 -P。

对偶形式没有"独立项"（对偶优化公式是无偏的）。这是来自y' = sign(w . x' + b)的b，相当于y' = sign( SUM_i alpha_i K(sv_i, x) + b )