分离的超平面方程为W.X + b = 0。
对于support vector machine in scikit-learn，如何分离出超平面？ 'a'和'w'代表什么？
最佳答案
在scikit-learn中，coef_属性保存线性模型的分离超平面的向量。如果为(n_classes, n_features)（多类vs.all），则其形状为n_classes > 1；对于二进制分类，其形状为(1, n_features)。
在此玩具二元分类示例中，n_features == 2，因此w = coef_[0]是正交于超平面的矢量（超平面完全由其+截距定义）。
为了在2D情况下绘制此超平面（2D平面的任何超平面都是1D线），我们希望找到f，如y = f(x) = a.x + b所示。在这种情况下，a是直线的斜率，可以通过a = -w[0] / w[1]计算。
关于python - Python技巧学习-分离超平面方程，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/10953997/