将带有 rbf 内核的 sklearn SVC 移植到 java
Porting sklearn SVC with rbf kernel to java
我已经使用 sklearn 在 python 中训练了一个 rbf 核 SVM，现在我将它移植到 java 用于生产。
在阅读 SVC documentation 时，我遇到了决策函数：
这似乎表明我必须知道每个训练样本的权重才能评估 SVC，但是 SVC 仅通过 dual_coef_ 属性公开支持向量的权重。
有没有办法解决这个问题？
你不需要知道每个训练样本的权重。您只需要支持向量的权重。
原因是如果向量 x_i 不是支持向量，则 alpha_i=0（参见第 5 页 here），因此 y_i*alpha_i=0 也是如此。因此你永远不会在分类过程中使用这样的x_i（一旦你安装了支持向量机）。
其余参数可通过 svm 属性访问，如 documentation:
中所述
This parameters can be accessed through the members dual_coef_ which
holds the product y_i*alpha_i, support_vectors_ which holds the
support vectors, and intercept_ which holds the independent term rho.
我已经使用 sklearn 在 python 中训练了一个 rbf 核 SVM，现在我将它移植到 java 用于生产。
在阅读 SVC documentation 时，我遇到了决策函数：
这似乎表明我必须知道每个训练样本的权重才能评估 SVC，但是 SVC 仅通过 dual_coef_ 属性公开支持向量的权重。
有没有办法解决这个问题？
你不需要知道每个训练样本的权重。您只需要支持向量的权重。
原因是如果向量 x_i 不是支持向量，则 alpha_i=0（参见第 5 页 here），因此 y_i*alpha_i=0 也是如此。因此你永远不会在分类过程中使用这样的x_i（一旦你安装了支持向量机）。
其余参数可通过 svm 属性访问，如 documentation:
中所述This parameters can be accessed through the members
dual_coef_which holds the producty_i*alpha_i,support_vectors_which holds the support vectors, andintercept_which holds the independent termrho.