机器学习 -- 支持向量机SVM（Ⅳ sklearn中的SVM）

m0_38056893

于 2019-11-17 21:03:36 发布

阅读量318

点赞数 1

分类专栏：机器学习

本文链接：https://blog.csdn.net/m0_38056893/article/details/103113146

版权

本文通过sklearn库介绍了如何使用线性SVM进行分类，并详细讲解了C参数对决策边界的影响。通过实例展示了C值变化时，支持向量机分类边界的变化情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用SVM算法和使用kNN一样，要做数据标准化处理（涉及距离，需要统一量纲）。

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets

iris = datasets.load_iris()

X = iris.data
y = iris.target

X = X[y < 2, :2]
y = y[y < 2]

plt.scatter(X[y == 0, 0], X[y == 0, 1], color='r')
plt.scatter(X[y == 1, 0], X[y == 1, 1], color='b')
plt.show()

from sklearn.preprocessing import St