SVM向量机——预测乳腺癌

最新推荐文章于 2024-07-07 17:17:35 发布

u010255214

最新推荐文章于 2024-07-07 17:17:35 发布

阅读量1.9k

点赞数 2

分类专栏：机器学习文章标签：机器学习

本文链接：https://blog.csdn.net/u010255214/article/details/120436479

版权

SVC类是用来进行分类的任务， SVR 类是用来进行数值回归任务的

SVM选择的核函数由参数kernel指定
线性核函数，指定参数C,表示对不符合最大间距规则的样本的惩罚力度
多项式核函数，指定参数C，degree（阶数）
高斯核函数，指定参数C，gamma

#画出分隔超平面
import numpy as np
def plot_hyperplane(clf, X, y, h=0.02, draw_sv=True, title='hyperplan'):
    # create a mesh to plot in
    x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h),np.arange(y_min, y_max, h))
    # meshgrid（）：把x,y数据生成mesh网格状的数据，因为等高线的显示是在网格的基础上添加上高度值

    #np.arange()函数分为一个参数，两个参数，三个参数三种情况
    #1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
    #2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
    #3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长。其中步长支持小数

    plt.title(title)
    plt.xlim(xx.min(), xx.max())
    plt.ylim(yy.min(), yy.max())
    plt.xticks(())#x轴刻度
    plt.yticks(())#y轴刻度

    Z = clf.predict(np.c_[xx.ravel(), yy.ravel()]) # SVM的分割超平面   
    #ravel（）：将多维数组转换为一维数组
    #np.r_是按列连接两个矩阵，就是把两矩阵上下相加，要求列数相等。
    #np.c_是按行连接两个矩阵，就是把两矩阵左右相加，要求行数相等。
    
    # Put the result into a color plot
    Z = Z.reshape(xx.shape)
    plt.contourf(xx, yy, Z, cmap='hot', alpha=0.5) # 填充等高线
    #contour和contourf都是画三维等高线图的，不同点在于contour() 是绘制轮廓线，contourf()会填充轮廓。
    
    markers = ['o', 's', '^']
    colors = ['b', 'r', 'c']
    labels = np.unique(y)
    for label in labels:
        plt.scatter(X[y==label][:, 0], X[y==label][:, 1], c=colors[label], marker=markers[label])
    # 画出支持向量
    if draw_sv:
        s