【发布时间】：2012-04-25 06:14:31
【问题描述】：
如何找到向量 w 是什么，即垂直于分离平面？
【问题讨论】：
-
请给出解决方案，如何在JAVA中找到向量w？
【发布时间】：2012-04-25 06:14:31
【问题描述】：
这就是我的做法here。如果我没记错的话，这是基于 SVM 优化的dual form 的结果。
model = svmtrain(...);
w = (model.sv_coef' * full(model.SVs));
而且偏见是（我真的不记得为什么它是负面的）：
bias = -model.rho;
然后进行分类（对于线性 SVM），对于具有 N 个实例和 M 个特征的 N×M 数据集“特征”，
predictions = sign(features * w' + bias);
如果内核不是线性的，那么这不会给你正确的答案。
有关更多信息，请参阅 libsvm 手册中的How could I generate the primal variable w of linear SVM? 。
【讨论】：
-
我究竟如何使用这些来进行手动分类？我说的是 2 类案例。
-
我已经编辑了我的问题来解释，虽然这样做没有任何意义......它将返回与
[guess, acc, probs] = svmpredict(...);中的probs完全相同的结果。 -
不，它并没有真正返回相同的结果，它只返回 -1s。我知道这没有任何意义，但我想确保它是正确的，然后我将简单地使用单独应用程序中的权重来“手动”进行分类，而无需明确执行任何 SVM 内容。非常感谢，这确实是我项目中的瓶颈。请您仔细检查一下，看看错误在哪里？
-
它对我有用。你的模型训练正确吗？在对它们进行分类之前，
w和bias看起来是否合理？您将哪些选项传递给svmtrain？ -
呼，明白了。有点复杂！
arrayfun(@(i)a.svm.sv_coef' * exp(-a.svm.Parameters(4) .* sum((repmat(features(i, :), size(a.svm.SVs, 1), 1) - a.svm.SVs).^2, 2)) - a.svm.rho, 1:numel(labels))'思路是我们在每个特征+支持向量上运行核函数，然后乘以SV系数，最后加上偏差。 Parameters(4) 是伽马参数。