machine-learning - 是否有任何工具可用于可视化经过训练的 libsvm 模型？

Question

目前，我有一个经过训练的 libsvm 类型模型，c_svc我正在尝试找到一些可视化该模型的方法。为了清楚起见，我添加了一个经过训练的 libsvm 模型的小样本：

svm_type c_svc
kernel_type rbf
gamma 28.57
nr_class 2
total_sv 280
rho 1.13665
label 0 1
nr_sv 140 140
SV
602.3327691758202 1:1 2:1 3:1 4:0.28235294 5:0.25225225 6:0.28787879 9:0.5 11:1 
0.9875971090375856 1:1 2:1 3:1 4:0.34117647 5:0.37837838 6:0.3030303 11:1 
602.3327691758202 1:1 2:1 3:1 4:0.43529412 5:0.44144144 6:0.31060606 9:0.5 11:1 
602.3327691758202 1:1 2:1 3:1 4:0.29411765 5:0.48648649 6:0.32575758 9:0.5 11:1 
35.4934765734189 1:1 2:1 3:1 4:0.48235294 5:0.27927928 6:0.31818182 9:0.5 11:1 
-421.2010231501778 1:1 2:1 3:1 4:0.43529412 5:0.48648649 6:0.31818182 9:0.5 
-601.8327691758202 2:1 3:1 4:0.23529412 5:0.16216216 6:0.3030303 9:0.5 11:1 
-601.8327691758202 1:1 2:1 3:1 4:0.6 5:0.65765766 6:0.32575758 9:0.5 11:1 
-601.8327691758202 4:0.23315508 5:0.31122031 6:0.30722892 9:0.5 10:1 12:1 

现在，这个经过训练的模型可以很好地对所选输入进行二元分类。但是，我在生成一些量化指标来衡量我们对 0/1 结果标签的信心程度时遇到了困难。此外，尚不清楚在 1 到 11 之间选择的哪个输入对结果标签的影响最大。

因此，我试图找到一些工具来可视化给定的 libsvm 模型。

标签： machine-learningclassificationsvmlibsvm