python高斯核函数_科学网—Python_机器学习_总结7：使用核SVM解决非线性问题 - 李军的博文...

1、训练数据集

2、不同gamma值训练结果

程序代码如下：from sklearn.svm import SVC

import matplotlib.pyplot as plt

import numpy as np

from plot_decision_regions import plot_decision_regions

#利用随机噪声得到一个异或数据集

np.random.seed(0)

X_xor = np.random.randn(200, 2)

y_xor = np.logical_xor(X_xor[:,0] >0 , X_xor[:,1]>0)

y_xor = np.where(y_xor, 1, -1)

plt.scatter(X_xor[y_xor==1, 0], X_xor[y_xor==1, 1], c='b', marker='x', label='l')

plt.scatter(X_xor[y_xor==-1, 0], X_xor[y_xor==-1, 1], c='r', marker='s', label='l')

plt.ylim(-3.0)

plt.legend()

plt.show()

#利用高斯核函数进行分类

svm = SVC(kernel='rbf', random_state=0, gamma=0.10, C=10.0)

svm.fit(X_xor, y_xor)

plot_decision_regions(X_xor, y_xor, classifier = svm)

plt.legend(loc='upper left')

plt.title('gamma = 0.1')

plt.show()

#

svm = SVC(kernel='rbf', random_state=0, gamma=1.0, C=10.0)

svm.fit(X_xor, y_xor)

plot_decision_regions(X_xor, y_xor, classifier = svm)

plt.legend(loc='upper left')

plt.title('gamma = 1.0')

plt.show()

补充：

#参考《Python 机器学习》，作者：Sebastian Raschaka， 机械工业出版社；

转载本文请联系原作者获取授权，同时请注明本文来自李军科学网博客。

链接地址：http://blog.sciencenet.cn/blog-3377553-1130717.html

上一篇：Python_机器学习_总结6：线性SVM分类Iris

下一篇：Python_机器学习_总结8：决策树