当类重叠时，内核SVM将数据移至更高维度以找到类之间的最佳间隔。如果SVM在转换后的数据中找到单独的超平面，则意味着它在转换后的数据中找到了支持向量。我的问题是，Python如何在原始数据中为我提供支持向量？是否有去皮化的过程？如何做到这一点，我无法从Python文档中找到答案。
更新：这是来自以下网站的示例 https://jakevdp.github.io/PythonDataScienceHandbook/05.07-support-vector-machines.html
clf = SVC(kernel='rbf', C=1E6)
clf.fit(X, y)
clf.support_vectors_[:, 0], clf.support_vectors_[:, 1]