Python 分类算法（2）——支持向量机Support vector machine分类案例（1）

最新推荐文章于 2023-05-03 11:26:09 发布

Joenyye

最新推荐文章于 2023-05-03 11:26:09 发布

阅读量849

点赞数

分类专栏：算法文章标签：机器学习支持向量机 SVM support vector machine

本文链接：https://blog.csdn.net/Joenyye/article/details/81099142

版权

本节通过Python的支持向量机SVM算法对样本数据进行分类，与上一节的逻辑回归Logistic Regression进行效果对比。采用高斯核函数，SVM分类误差相对较小，但仍有部分样本点分类错误。

摘要由CSDN通过智能技术生成

在上一节中，应用sklearn包中的逻辑回归LogisticRegression对样本数据点进行分类。

Python 分类算法（1）——逻辑回归logistic regression之代码实现（2）

本节中，则采用支持向量机SVM算法对相同的样本点进行分类，可以对比一下两者的分类效果。

支持向量机的原理请参考《统计学习方法》书中的内容，这里讨论算法的实现方法。

import numpy as np
import pandas as pd
scatterdata=pd.read_csv("C:/Users/Ray/Desktop/logistic regression/data3.csv",header=None)#
data=np.array(scatterdata)

from numpy import where
import matplotlib.pyplot as plt
x=data[:,0:2]
y=data[:,2]
print(x.shape)
pos=where(y==1)
neg=where(y==0)
plt.scatter(x[pos[0],0],x[pos[0],1],marker='o',c='b')
plt.scatter(x[neg[0],0],x[neg[0],1],marker='x',c='r')