博主是初学者,学的很浅显,大家可以参考大佬的文章: https://blog.csdn.net/b285795298/article/details/81977271
逻辑回归的改进
支持向量机的决策边界:线性可分的例子
向量内积性质的复习
SVM决策边界
SVM的核函数:用来使SVM能够处理非线性分类
核函数和相似度
例子:
代码实现
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.preprocessing import PolynomialFeatures, StandardScaler
from sklearn.svm import LinearSVC
from sklearn.pipeline import Pipeline
from sklearn.svm import SVC
# dataset.make_moons生成半环形图
X, y = datasets.make_moons(noise=0.15, random_state=666)
# print(X, y)
# scatter绘制散点图
# 绘制蓝色点
plt.scatter(<