机器学习 -- 支持向量机SVM（Ⅴ SVM处理非线性数据问题）

最新推荐文章于 2024-06-02 08:44:55 发布

m0_38056893

最新推荐文章于 2024-06-02 08:44:55 发布

阅读量835

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/m0_38056893/article/details/103113789

版权

本文介绍了如何使用支持向量机（SVM）处理非线性数据，通过Python的`make_moons()`函数创建非线性数据集，接着展示了如何引入多项式特征来构建SVM模型，最后通过绘制决策边界展示了SVM在非线性数据上的应用。

摘要由CSDN通过智能技术生成

datasets中make_moons()函数：

（1）函数定义

Signature:
datasets.make_moons(
    n_samples=100,
    shuffle=True,
    noise=None,
    random_state=None,
)
Docstring:
Make two interleaving half circles

A simple toy dataset to visualize clustering and classification algorithms.
Parameters
----------
n_samples : int, optional (default=100)
    The total number of points generated.

shuffle : bool, optional (default=True)
    Whether to shuffle the samples.

noise : double or None (default=None)
    Standard deviation of Gaussian noise added to the data.

random_state : int, RandomState instance or None (default)
    Determines random number generation for dataset shuffling and noise.
    Pass an int for reproducible output across multiple function calls.
    See :term:`Glossary <random_state>`.

Returns
-------
X : array of shape [n_samples, 2] 
    The generated samples.