使用Python实现支持向量机 -------文章中有源码

（5）如果将线性SVM模型看作原始特征的函数，那么它实际上已经不是线性的了。它不是一条直线，而是一个椭圆。

代码：

from sklearn.datasets import make_blobs

import mglearn

import matplotlib.pyplot as plt

import numpy as np

from sklearn.svm import LinearSVC

from mpl_toolkits.mplot3d import Axes3D,axes3d

数据集引入并使用图像展示

X,y = make_blobs(centers=4,random_state=8)

y = y%2

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

plt.xlabel(“Feature 0”)

plt.ylabel(“Feature 1”)

plt.show()

#使用SVM进行分类

linear_svm = LinearSVC().fit(X,y)

mglearn.plots.plot_2d_separator(linear_svm,X)

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

plt.xlabel(“Feature 0”)

plt.ylabel(“Feature 1”)

#第二个特征的平方作为一个新的特征，二维变三维

X_new = np.hstack([X,X[:,1:]**2])

figure = plt.figure()

ax = Axes3D(figure, elev=-152, azim