机器学习(九) 本文(4万字) | 支持向量机 | 第三篇 |（Support Vector Machine，SVM） | Python复现 |

复现

复现一

（1）数据集引入，并使用图像展示
（2）使用SVM进行分类
（注：用于分类的线性模型只能用一条直线来划分数据点，对这个数据集无法给出较好的结果）
（3）现在我们对输入特征进行扩展，比如说添加第二个特征的平方（feature1 ＊＊ 2）作为一个新特征。现在我们将每个数据点表示为三维点(feature0, feature1,feature1 ＊＊ 2)，而不是二维点(feature0, feature1)
（4）在数据的新表示中，现在可以用线性模型（三维空间中的平面）将这两个类别分开。我们可以用线 性模型拟合扩展后的数据来验证这一点。
（5）如果将线性SVM模型看作原始特征的函数，那么它实际上已经不是线性的了。它不是一条直线，而是一个椭圆。
代码：

from sklearn.datasets import make_blobs
import mglearn
import matplotlib.pyplot