[机器学习-笔记07] 支持向量机

1. 原理

直觉解释:SVM需要尝试找到满足红点和绿点分别到边界线的最小距离的最大值的那条边界。

2. Python案例实现

2.1 数据

案例中使用的数据结构如下(只展示了部分样本):

2.2 实现

代码部分与[机器学习-笔记06]逻辑回归的案例代码部分类似,主要在模型拟合那部分有所改动,因此相似的代码就省略了。

from sklearn.svm import SVC

# 拟合模型
classifier = SVC(kernel = 'linear', random_state = 0)
classifier.fit(X_train, y_train)

[注1] kernel:核函数,默认是rbf,可以是linear、poly、rbf、sigmoid、precomputed;关于sklearn的sklearn.svm.SVC更多内容可参考这篇:sklearn系列之 sklearn.svm.SVC详解

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值