机器学习课程总结,
本系列文章
以代码
和注释
为主。
理论部分搬至博客上比较耗费时间,所以缺少理论部分。但是也欢迎大家一起探讨学习。
如果需要理论部分的讲义,可私信(个人觉的讲的很好很全)。
题目需求
一、针对样本:
3,3,+1
4,3,+1
1,1,-1
使用sklearn包求解SVM分类模型,其中,数据中第三列是标签,1-2列是特征。
针对惩罚系数为C=1和C=0.2的情形,分别完成:可视化样本;可视化SVM超平面及间隔边界;输出对偶模型的最优解alpha;输出支持向量;
二、针对附件中的数据,选择合适的核,训练SVM模型,并可视化样本空间的分类结果(即样本空间用两种颜色表示,同一类的样本点颜色一样,不同类的样本点颜色不同),并给出以下样本的分类结果:
(0,0) (1,1) (2,2) (3,3)
三、进一步在问题二中考虑核的参数以及C的影响。
代码
# -*- coding: utf-8 -*-#
# Author: xhc
# Date: 2021-03-21 8:11
# project: 0321
# Name: SVM.PY
from sklearn import svm
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data = pd.read_csv("./data/excer_svm.csv",header=0) # 读取数据
feature = data.iloc[:, :2] # 提取特征
labels = data.iloc[:, -1] # 提取标签
train_feature =