输出对于在Scikitlearn的SVM中获取决策函数意味着什么，当使用3个类时

Question

我在执行以下代码块时https://prateekvjoshi.com/2015/12/15/how-to-compute-compute-confidence-confidence-measure-for-for-svm-classifier/我获得了以下结果。我的意图发现Scikit-Learn中SVM的SVC中有3个类别的一个点的距离，但是我与所描述的含义相混淆了。

import numpy as np
from sklearn.svm import SVC
x = np.array([[1,2],[2,3],[3,4],[1,4],[1,5],[2,4],[2,6]])
y = np.array([0,1,-1,-1,1,1,0])
classifier = SVC(kernel='linear')
classifier.fit(x,y)
classifier.decision_function([2,1])

上次通话给出以下大小3

的输出

array([[ -8.88178420e-16,  -1.40000000e+00,  -1.00000000e+00]])

此数组是什么意思，我们如何使用此数组来找出三个类（-1,1,0）与。

Answer 1

它是点[2,1]与SVM分类器的分离超平面的距离。因此，第一个值是[2,1]与超平面分开一类的距离，依此类推。您可以在此处查看该函数的实现，并在此处阅读文档以获取更多信息。

编辑：您也可以查看此示例。