支持向量机命令解释

Question

我已经在load_digits()数据集上训练了一个支持向量机模型，它是Sklearn package.It的一部分，它是一个有10个类的多类分类问题。下面是我的分类器状态

svmclf=SVC(kernel='linear',decision_function_shape='ovr',C=1,gamma=1, max_iter=2000)

当我使用'ovr‘决策函数形状时，该模型构建了10个分类器。该模型给了我385个支持向量。这些支持向量是单个分类器的总支持向量库吗？如果是这样的话，有没有一个命令可以帮助我分别计算出每个分类器的支持向量？

In:svmclf.support_vectors_.shape 
Out:(385,65)

您还可以告诉我对以下命令输出的解释是什么吗

svmclf.coef_
svmclf.dual_coef_

svmclf.coef_的形状为(45,64)。我假设形状为( 10 ,64)，因为我们有10个分类器，每个分类器有(1,64)个权重向量。

Answer 1

下面是一些不完整问题的不完整答案(因为我认为它太压缩了)：

n combinations: C(n,r)
C(10,2) = 45

因此，您可以观察一对一(全部45对)多类方法的结果。无论是因为您的代码(未完整显示)，还是sklearn的内部结构需要更多分析