SVM支持向量原理与实战(一）14

支持向量机原理可视化

导包

import numpy as np
from sklearn.svm import SVC,SVR
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D#绘制3D图形
from mpl_toolkits.mplot3d import Axes3D

创建数据

rs=np.random.RandomState(256)#种子，生成随机数字，固定了
X=rs.randn(300,2)
y=[1 if i>0 else 0 for i in X[:,0]*X[:,1]]
plt.scatter(X[:,0],X[:,1],c=y)

建模学习

svc=SVC(kernel='rbf',degree=3)
svc.fit(X,y)
svc.score(X,y)
输出：

0.9766666666666667

创建测试数据

X1=np.linspace(-3,3,200)
X2=np.linspace(-3,3,180)
#X1=