SVM支持向量机原理（一）12

import numpy as np
import matplotlib.pyplot as plt 
from sklearn.svm import SVC#分类算法
from sklearn import datasets
import numpy as np
import matplotlib.pyplot as plt 
from sklearn.svm import SVC#分类算法
from sklearn import datasets

2  数据分类

x,y=datasets.make_blobs(n_samples=100,#数量
                   n_features=2,#两维，并两个特征
                   centers=2,#两个类别
                   random_state=3)
display(x.shape,y.shape,np.unique(y))
plt.scatter(x[:,0],x[:,1],c=y)

输出：
(100, 2)
(100,)
array([0, 1])

 

 3 建模训练

svc=SVC(kernel='linear')#kernel表示核函数：linear,线性
svc.fit(x,y)
输出：
SVC(kernel='linear')

svc.score(x,y)
输出：
1.0

w_=svc.coef_
b_=svc.intercept_
display(w_,b_)
输出：
array([[-0.69194