使用Python实现支持向量机 -------文章中有源码

mglearn.discrete_scatter(X[:,0],X[:,1],y)

plt.xlabel(“Feature 0”)

plt.ylabel(“Feature 1”)

plt.show()

实验六 支持向量机（补充）

一、实验目的

使用Python实现支持向量机。

二、实验原理

支持向量机所作的事情其实非常容易理解。先来看看下面这一组数据的分布，这是一组两种标签的数据，两种标签分别由圆和方块代表。支持向量机的分类方法，是在这组分布中找出一个超平面作为决策边界，使模型在数据上的分类误差尽量接近于小，尤其是在未知数据集上的分类误差（泛化误差）尽量小。

三、Python包

（1）sklearn

（2）mglearn

（3）matplotlib

（4）numpy

四、问题描述

有如下数据集：

X :

[[-2.23 -1. ]

[-2.06 -1.58]

[ 0.22 -2.12]

[-1.18 -2.82]

[-1.44 -1.55]

[-0.5 -1.76]

[-