SKLearn：获取每个点到决策边界的距离？

Question

我正在使用SKLearn在数据上运行SVC。

from sklearn import svm

svc = svm.SVC(kernel='linear', C=C).fit(X, y)

我想知道如何获取决策边界中X中每个数据点的距离？

Answer 1

对于线性核，决策边界为y = w * x + b，从点x到决策边界的距离为y / || w ||。

y = svc.decision_function(x)
w_norm = np.linalg.norm(svc.coef_)
dist = y / w_norm

对于非线性内核，无法获得绝对距离。但是您仍然可以将结果decision_funcion用作相对距离。