基于sklearn的软硬间隔以及各类核函数的SVM实现

最新推荐文章于 2025-05-16 18:06:10 发布

孑渡

最新推荐文章于 2025-05-16 18:06:10 发布

阅读量1.2w

点赞数 1

分类专栏：机器学习文章标签：机器学习

本文链接：https://blog.csdn.net/qq_44459787/article/details/111410026

版权

在西瓜数据集 3.0α 上分别用线性核和高斯核训练一个 SVM，并比较其支持向量的差别。
数据集下载地址：
https://amazecourses.obs.cn-north-4.myhuaweicloud.com/datasets/watermelon_3a.csv
任选数据集中的一种分布类型的数据，分别用软、硬间隔SVM和各类核函数训练，并分析他们分类的效果。
数据集下载地址：https://amazecourses.obs.cn-north-4.myhuaweicloud.com/datasets/SVM.zip

此博客为第二问，各类SVM的实现。上一篇博客为https://blog.csdn.net/qq_44459787/article/details/111409314

数据载入与处理

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : 2020/12/19 20:48
# @Author  : Ryu
# @Site    : 
# @File    : processing_data.py
# @Software: PyCharm

import numpy as np
from sklearn.model_selection import train_test_split


def npz_read(file_dir):
    npz = np.load(file_dir)
    data = npz['data']
    label_list = npz['label']
    npz.close()

    return data, label_list


def split_train_test(data, label_list):
    xtrain, xtest, ytrain, ytest = train_test_split(data, label_list, test_size=0.3