machine-learning - 支持向量机中的决策边界计算

一旦获得模型系数，我将无法理解如何计算决策边界。

这是我指的链接：http://scikit-learn.org/stable/auto_examples/svm/plot_svm_margin.html

这是代码

# get the separating hyperplane
w = clf.coef_[0]
a = -w[0] / w[1]
xx = np.linspace(-5, 5)
yy = a * xx - (clf.intercept_[0]) / w[1]

我不明白a = -w[0] / w[1]这行。

为什么我们将一个系数除以另一个？

最佳答案

分离的超平面的格式为w[0]*x+w[1]*y+intercept=0。所以

w[1]*y=-w[0]*x-intercept

现在将两边除以w[1]，您将得到

y=-(w[0]/w[1])*x-intercept/w[1]。

这正是代码中出现的等式。