1 SVC处理多分类问题:重要参数decision_function_shape

2 SVM的模型复杂度
3 SVM中的随机性:参数random_state
4 SVC的重要属性补充
#属性n_support_:调用每个类别下的支持向量的数目 clf_proba.n_support_ #属性coef_:每个特征的重要性,这个系数仅仅适合于线性核 clf_proba.coef_ #属性intercept_:查看生成的决策边界的截距 clf_proba.intercept_ #属性dual_coef_:查看生成的拉格朗日乘数 clf_proba.dual_coef_ clf_proba.dual_coef_.shape #注意到这个属性的结构了吗?来看看查看支持向量的属性 clf_proba.support_vectors_ clf_proba.support_vectors_.shape #注意到dual_coef_中生成的拉格朗日乘数的数目和我们的支持向量的数目一致 #注意到KKT条件的条件中的第五条,所有非支持向量会让拉格朗日乘数为0 #所以拉格朗日乘数的数目和支持向量的数目是一致的 #注意,此情况仅仅在二分类中适用!
5 一窥线性支持向量机类LinearSVC