Участок максимальной рентабельностью гиперплоскость в 3-пространстве с Python

Question

Я нашел это действительно классный ноутбук на SVM:

https://github.com/jakevdp/sklearn_tutorial/blob/master/notebooks/03.1-Classification-SVMs.ipynb

Но был немного разочарован, потому что не показывает, как построить максимум -margin в 3-пространстве. Я старался изо всех сил, но не имеют ни малейшего представления о том, как это сделать ... Например, я хотел бы построить его на следующий reprsentation (который взят из записной книжки):

Также , если бы suport векторы могли быть окружены, это был бы херес сверху.

Answer 1

Это очень хороший вопрос, однако предоставленный ноутбук на самом деле «лжет». Это не то, как работает ядро, и хотя эта визуализация классная, это не то, что происходит «внутри SVM». Давайте отложим это в сторону и сосредоточимся на том, как построить гиперплоскость 3D-разделения в этом проецируемом пространстве (что не Проецируемое пространство RBF).

Все, что вам нужно сделать, это:

1. Fit линейный SVM к 3D-данных, используемых для этого участка.
2. Извлечение веса (clf.coefs_) и смещения (clf.intercept_)
3. Plot 3d hyperplane с нормальным (clf.coefs_) и расстояние от начала координат (clf.intercept_)