support_vectors_：矩阵(n_SV, n_features) 支持向量，，这句话代表什么意思？

这句话表示在支持向量机算法中，支持向量是一个矩阵，它的大小为 (n_SV, n_features)，其中 n_SV 表示支持向量的数量，n_features 表示每个支持向量的特征数。支持向量是指训练数据集中那些离分割超平面最近的样本点，它们对于分类决策起着关键性的作用。在预测时，只有支持向量才会被用来计算分类结果。

相关问题

plt.scatter(svm.support_vectors_[:, 0], svm.support_vectors_[:, 1], color='red', marker='x')这句代码什么意思

这句代码使用了Python中的matplotlib库中的scatter函数，用于绘制散点图。具体来说，它绘制了支持向量机（SVM）分类器中支持向量的散点图。其中，svm.support_vectors_[:, 0]表示SVM分类器中支持向量的X轴坐标，svm.support_vectors_[:, 1]表示SVM分类器中支持向量的Y轴坐标，color='red'表示散点的颜色为红色，marker='x'表示散点的标记为"x"。这句代码的作用是在散点图上标出SVM分类器中的支持向量。

plt.scatter(support_vectors[:, 0], support_vectors[:, 1], s=100, linewidth=1, facecolors='none', edgecolors='k')这句代码是什么意思

这行代码使用 Matplotlib 库的 scatter 函数在二维坐标系中绘制散点图。其中，support_vectors 是一个 NumPy 数组，表示支持向量的坐标。s=100 表示散点的大小为 100，linewidth=1 表示散点边缘的线宽为 1，facecolors='none' 表示散点内部不填充颜色，edgecolors='k' 表示散点边缘的颜色为黑色。因此，这行代码的作用是在二维坐标系中用黑色的圆圈表示支持向量。