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]
[-