import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
from sklearn import datasets
from tensorflow.python.framework import ops
(x_vals, y_vals) = datasets.make_circles(n_samples=350, factor=.5, noise=.1)
y_vals = np.array([1 if y==1 else -1 for y in y_vals])
#plot points
class1_x = [x[0] for i,x in enumerate(x_vals) if y_vals[i]==1]
class1_y = [x[1] for i,x in enumerate(x_vals) if y_vals[i]==1]
class2_x = [x[0] for i,x in enumerate(x_vals) if y_vals[i]==-1]
class2_y = [x[1] for i,x in enumerate(x_vals) if y_vals[i]==-1]
%matplotlib inline
plt.plot(class1_x, class1_y, 'ro', label='Class 1')
plt.plot(class2_x, class2_y, 'kx', label='Class -1')
plt.title('distrubtion')
plt.xlabel('x')
plt.ylabel('y')
plt.ylim([-1.5, 1.5])
plt.xlim([-1.5, 1.5])
plt.show()
#data processing
x = np.transpose
高斯核函数SVM TensorFlow实现
最新推荐文章于 2021-11-07 20:50:20 发布
本文深入探讨如何使用TensorFlow实现高斯核函数支持向量机(SVM)。通过理解高斯核的数学原理,我们将构建一个完整的SVM模型,详细解释每个步骤,并展示实际应用中的代码示例。
摘要由CSDN通过智能技术生成