基于python 实现SVM，使用SMO进行优化，在选择优化的变量时采用随机选择的方式

程序员奇奇

于 2023-04-06 20:56:56 发布

阅读量287

点赞数

分类专栏：机器学习案例分享文章标签： python 支持向量机机器学习 SMO进行优化 SVM

本文链接：https://blog.csdn.net/pythonyanyan/article/details/129999026

版权

机器学习案例分享专栏收录该内容

60 篇文章 284 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何使用Python实现支持向量机（SVM）并结合SMO（Sequential Minimal Optimization）算法进行优化。在优化过程中，文章特别提到在选择优化变量时采用了随机选择的方法。通过提供的项目演示链接和完整的代码数据，读者可以深入理解这一过程，并在CSDN文库找到相关的svm数据集。

摘要由CSDN通过智能技术生成

项目演示：https://www.bilibili.com/video/BV1sM411N7ZP/?spm_id_from=333.999.0.0&vd_source=8f3cf4ad6c08a40d40ca6809c9c9e8ca

本博客付完整的代码数据


# 实现SVM，使用SMO进行优化，在选择优化的变量时采用随机选择的方式。
import sys
from numpy import *
#from math import *
def loadDataSet(filename):
    fr = open(filename)
    data = []
    label = []
    for line in fr.readlines():
        lineAttr = line.strip().split('\t')
        data.append([float(x) for x in lineAttr[:-1]])
        label.append(float(lineAttr[-1]))
    return dat

了解本专栏