SVM命令的解释

Question

我已经训练了一个支持向量机模型加载\数字（）数据集，这是学习的一部分包装。它是一个包含10个类的多类分类问题。下面是我的状态

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。这个模型给了我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，是否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？你知道吗

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

你能告诉我以下命令的输出是什么吗

svmclf.coef_
svmclf.dual_coef_

形状svmclf.coef\是（45,64）。我假设形状是（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。你知道吗

Answer 1

以下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，您观察了一对一（全部45对）多类方法的结果。这是因为你的代码（没有完全显示）还是sklearn的内部需要更多的分析