【sklearn】SVM用于分类(SVC)

本文介绍了sklearn库中的SVM(Support Vector Machine)分类器SVC的使用,包括API参数如C、kernel、gamma等的详细解释,并提供了实例链接,展示了如何在iris数据集上应用SVM分类。
摘要由CSDN通过智能技术生成

API说明:

中文:http://sklearn.apachecn.org/cn/0.19.0/modules/svm.html

英文:https://scikit-learn.org/stable/modules/svm.html

API使用:(SVC)(Support Vector Classification.)

from sklearn import svm
X = [[0, 0], [1, 1]]
y = [0, 1]
clf = svm.SVC()
clf.fit(X, y) 

#预测
clf.predict([[2., 2.]])
# 获得支持向量
clf.support_vectors_


# 获得支持向量的索引get indices of support vectors
clf.support_ 

# 为每一个类别获得支持向量的数量
clf.n_support_ 

用于多分类:

X = [[0], [1], [2], [3]]
Y = [0, 1, 2, 3]
clf = svm.SVC(decision_function_shape='ovo')#一对一
clf.fit(X, Y) 

dec = clf.decision_function([[1]])
dec.shape[1] # 4 classes: 4*3/2 = 6

clf.decision_function_shape = "ovr"#一对多
dec = clf.decision_function([[1]])
dec.shape[1] # 4 classes

参数说明:

https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html

class sklearn.svm.SVC(C=1.0kernel=’rbf’degree=3

  • 3
    点赞
  • 12
    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