6.2 支持向量机应用(上)

本文介绍了支持向量机在机器学习中的应用,通过sklearn库展示了简单的支持向量机分类实例,并详细解释了如何利用sklearn绘制决策边界,帮助理解SVM的工作原理。
摘要由CSDN通过智能技术生成

1 sklearn简单例子

# -*- coding:utf-8 -*-
from sklearn import svm

X=[[2,0],[1,1],[2,3]]
y=[0,0,1]
clf=svm.SVC(kernel='linear')
clf.fit(X,y)
print clf
print clf.support_vectors_  #get support vectors
print clf.n_support_ #get number of support vectors fot each class

2.sklearn画出决定界限

import numpy as np
import pylab as pl
from sklearn import svm

#create 40 separable points
np.
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值