使用 sklearn.svm python 使用非线性内核提取系数
Extracting coefficients with a nonlinear Kernel using sklearn.svm python
这在理论上可能是不可能的，如果可以，请详细说明。
我正在尝试用 Python 的 sklearn SVM class sklearn SVM class
拟合一些数据
当我使用线性内核时，我可以使用 get_params 方法提取系数，其中
coef_ : array, shape = [n_features] if n_classes == 2 else [n_classes,
n_features] Weights assigned to the features (coefficients in the
primal problem). This is only available in the case of linear kernel.
所以我可以找到依赖于所有自变量的最佳拟合方程，并且能够在其他地方使用这个方程。
是否可以使用 sklearn 从非线性核（如 RBF 或多项式核）做同样的事情（得到一个非线性方程）？
谢谢！
蒂姆
根据 documentation:
The decision function is:
...
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 ...
（"support vectors"表示决策函数方程中的x_i）。
每个内核都有一个 different function，您需要了解它才能计算 K(x_i,x) 项。
这在理论上可能是不可能的，如果可以，请详细说明。
我正在尝试用 Python 的 sklearn SVM class sklearn SVM class
拟合一些数据当我使用线性内核时，我可以使用 get_params 方法提取系数，其中
coef_ : array, shape = [n_features] if n_classes == 2 else [n_classes, n_features] Weights assigned to the features (coefficients in the primal problem). This is only available in the case of linear kernel.
所以我可以找到依赖于所有自变量的最佳拟合方程，并且能够在其他地方使用这个方程。
是否可以使用 sklearn 从非线性核（如 RBF 或多项式核）做同样的事情（得到一个非线性方程）？
谢谢！
蒂姆
根据 documentation:
The decision function is:
...
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, andintercept_which holds the independent term \rho ...
（"support vectors"表示决策函数方程中的x_i）。
每个内核都有一个 different function，您需要了解它才能计算 K(x_i,x) 项。