如何使用sklearn中的SVM

如何使用sklearn中的SVM

    

    SVM分类算法我们前面已经讲过了，那么我们平时要用到SVM的时候，除了在MATLAB中调用libsvm之外，我们的python中的sklean也已经集成了SVM算法。这篇博客就讲一下sklearn中的SVM如何调用。

    我们先说个例子，看看简单的使用sklean中的SVC(support vectors classification)怎么使用。

from sklearn import svm

X = [[0, 0], [1, 1], [1, 0]]  # training samples 
y = [0, 1, 1]  # training target
clf = svm.SVC()  # class 
clf.fit(X, y)  # training the svc model

result = clf.predict([2, 2]) # predict the target of testing samples 
print result  # target 

print clf.support_vectors_  #support vectors

print clf.support_  # indeices of support vectors

print clf.n_support_  # number of support vectors for each class 

其中有一些注释帮助理解，其实sklearn中调用机器学习的方法都是一个道理，算法就是一个类，其中包含fit(), predict()等等许多方法，我们只要输入训练样本和标记，以及模型的一些可能的参数，自然就直接出分类的结果。