回答編集履歴
1
修正
test
CHANGED
|
@@ -7,3 +7,13 @@
|
|
|
7
7
|
|
|
8
8
|
|
|
9
9
|
RBF（ガウシアンカーネル）だと、無限次元の写像先で考える訳にはいきませんし、元の空間では判別できないからカーネルトリックで飛ばしている訳で、ちょっと筋が悪そう。一応`SVC.decision_function`というメソッドがあり、分離超平面とデータとの距離は計算できるので、具体的なデータを突っ込めば「どんな感じなのか」はわかります。
|
|
10
|
+
|
|
11
|
+
|
|
12
|
+
|
|
13
|
+
### と思っていましたが
|
|
14
|
+
|
|
15
|
+
ごめんなさい、`dual_coef_`で良かったです（ちゃんと見ていなかった）。
|
|
16
|
+
|
|
17
|
+
ここの「学習されたパラメーターの意味」のところが参考になりました。
|
|
18
|
+
|
|
19
|
+
[Scikit-learnによるサポートベクターマシン](http://data-science.gr.jp/implementation/iml_sklearn_svm.html)
|