SVM机器学习实战2（包含训练数据）

最新推荐文章于 2023-04-12 01:16:52 发布

Tina_053

最新推荐文章于 2023-04-12 01:16:52 发布

阅读量1.6k

点赞数

本文链接：https://blog.csdn.net/weixin_42983055/article/details/82388640

版权

本文介绍了如何使用机器学习实战中的简易版SMO算法进行SVM训练，通过具体代码展示了实现过程，并附有线性分割的图形示例。

摘要由CSDN通过智能技术生成

上一篇简单的用sklearn里面的SVM训练数据，本次按照机器学习实战里面的简易版的SMO来训练数据。
详细代码如下：

import numpy  as np
import matplotlib.pyplot as plt
from sklearn.utils import check_random_state
from sklearn import datasets

#load data
def loadData():
    iris = datasets.load_iris()
    rng = check_random_state(42)
    perm = rng.permutation(iris.target.size)
    iris_data = iris.data[perm]
    data = []
    for i in iris_data:
        data.append(i[:2])#选择前两个特征作为本次训练的基本特征
    iris_target = iris.target[perm]
    #将label分为+1（'Iris-setosa'） 和 -1（'Iris-versicolor'和'Iris-virginica'）
    iris_target = np.where((iris_target == 1) |(iris_target == 2), -1, 1)  
    return data, iris_target

#随机选择一个alpha
def selectJrand(i, m):
    j = i
    while j == i:
        j = int(np.random.uniform(0, m))
    return j