0.库的导入
# 导入库
from sklearn.svm import SVC
from sklearn import datasets
from sklearn.preprocessing import StandardScaler
import numpy as np
1.加载Iris Flower 数据集
#Iris Flower 数据集有三个类别,这里只加载两个类别
iris = datasets.load_iris()
X = iris.data[:100,:]
y = iris.target[:100]
2.特征标准化
# 特征标准化
scaler = StandardScaler()
X_std = scaler.fit_transform(X)
3.训练支持向量分类器
# 创建支持向量分类器对象
svc = SVC(kernel='linear', random_state=0)
# 训练分类器
model = svc.fit(X_std, y)
4.查看支持向量
# 查看支持向量的值
model.support_vectors_
array([[-0.5810659 , 0.43490123, -0.80621461, -0.50581312],
[-1.52079513, -1.67626978, -1.08374115, -0.8607697 ],
[-0.89430898, -1.46515268, 0.30389157, 0.38157832],
[-0.5810659 , -1.25403558, 0.09574666, 0.55905661]])
5.查看支持向量的索引值
# 查看支持向量在所有数据点中的索引值
model.support_
array([23, 41, 57, 98])
6.查看每个类别的支持向量的个数
# 查看每个类别有几个支持向量,这里可以看到每个类别各有两个支持向量
model.n_support_
array([2, 2])
7.说明
翻译自Chris Albon的博客