如何从 Python 中的 SVM 分类器中提取支持向量？答案

【问题标题】：How to extract support vectors from SVM classifier in Python?如何从 Python 中的 SVM 分类器中提取支持向量？
【发布时间】：2014-05-30 04:52:30
【问题描述】：

我在 python 中使用 SciKit 库中的 LinearSVM 对文本数据进行分类，它运行良好。我的问题是有没有办法找到我的分类器模型的支持向量？我认为我的数据的支持向量将是一个单词列表！

我需要这个，因为我想为不同的文本数据找到分类器的显着特征。（不同的文本数据有何不同）

提前致谢。

【问题讨论】：

我不明白你想用支持向量做什么。能否请您改述一下您的问题？
@filannim 感谢您的评论，让我们这样说吧：我有三个分类器：朴素贝叶斯、SVM 和线性回归。我用一套火车来训练他们。现在，我想找出对每个分类器都认为重要的前 10 个词汇表（及其相应的权重）。
如果您想在您正在使用的特征中选择最具辨别力的特征，那么您可以使用 RELIEF (en.wikipedia.org/wiki/Relief_(feature_selection))。查看“特征选择算法”以获得一般概述。
@filannim 没有在训练之前使用和选择正确的特征是一个问题。我正在寻找每个分类器认为重要的单词列表！例如，如果分类的目标是为文档分配一个主题，那么哪些词在这项任务中起关键作用？

标签： python classification svm text-mining

【解决方案1】：

对于 scikit-learn 中的 SVM 案例，您应该能够通过以下方式访问支持向量：

>>> # get support vectors
>>> clf.support_vectors_
array([[ 0.,  0.],
       [ 1.,  1.]])
>>> # get indices of support vectors
>>> clf.support_ 
array([0, 1]...)
>>> # get number of support vectors for each class
>>> clf.n_support_ 
array([1, 1]...)

[来源：http://scikit-learn.org/stable/modules/svm.html]

【讨论】：