SVM分类

import numpy as np
X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]]) ＃数据特征
y = np.array([1, 1, 2, 2]) ＃ 数据对应的标签
from sklearn.svm import SVC ＃ 导入svm的svc类（支持向量分类）
clf = SVC() ＃ 创建分类器对象
clf.fit(X, y) ＃ 用训练数据拟合分类器模型
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
decision_function_shape=None, degree=3, gamma=‘auto’, kernel=‘rbf’,
max_iter=-1, probability=False, random_state=None, shrinking=True,
tol=0.001, verbose=False)

clf.predict([[-0.8, -1]]) ＃ 用训练好的分类器去预测[-0.8, -1]数据的标签
[1]