问题描述
目前，我有一个经过训练的 c_svc 类型的 libsvm 模型，我正在尝试找到一些可视化该模型的方法。为清楚起见，我添加了我训练的 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适用于所选输入的二元分类。但是，我在生成一些定量衡量我们对 0/1 结果标签的信心时遇到了困难。此外，尚不清楚 1 到 11 之间的所选输入中哪个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。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）