使用自定义内核获取支持向量答案

【问题标题】：Obtain support vectors with custom kernel使用自定义内核获取支持向量
【发布时间】：2018-02-10 10:53:52
【问题描述】：

在 scikit learn 中，使用带有自定义内核的分类器 SVM SVC，如示例：

clf = svm.SVC(kernel = my_ker, C=0.01)

my_ker 在哪里（仅用于说明目的，我并不暗示这是一个有效或无效的内核）：

z = (1 + np.dot(x, np.transpose(y)) )**2

我没有找到如何获取支持向量：调用

print(clf.support_vectors_)

[]

如何获得支持向量？

【问题讨论】：

你拟合数据了吗？能贴出完整的代码吗？
@VivekKumar 是的，分类器适合数据。似乎使用自定义内核，support_vectors_ 返回一个空数组。使用 2 次（非自定义）多项式内核（例如： clf = svm.SVC(kernel = 'poly', degree = 2, C = 0.01) ）返回支持向量。
clf.support_ 工作正常，所以这似乎是一个错误。

【解决方案1】：

clf.fit(X, y) 在 clf.support_vectors_ 之前的函数调用。支持向量是使用fit 方法学习的。

【讨论】：