例如，如果我有一个决策分数为 -6 的样本和另一个分数为 -3 的样本，那么哪个样本更接近超平面？
此外，属于某个类的样本的概率是否会随着其与超平面的距离而增加（距超平面的距离越大 = 概率越大）？
如果它有所作为，我正在使用 sklearndecision_function和函数来获取这些值。predict_proba
谢谢。
在 SVM 中，更负/正的决策分数是否意味着它离分离的超平面更远？
数据挖掘
机器学习
scikit-学习
支持向量机
2022-02-27 13:14:18
1个回答
更大的分数确实意味着离分离超平面更远。
SVM 模型本身不是建模概率，因此您不能完全说模型更可能在一类或另一类中考虑更远的点。例如，有一些方法可以估计概率（参见scikit 实现），是的，根据该估计，如果更远的点更确定，则通常是正确的。
其它你可能感兴趣的问题