支持向量机(SVM)---代码实现

# coding: utf-8

## 感知器模型流程
"""
    1.初始化w, b
    2.遍历所有训练数据集中选出的误分类点:
        2.1.如果y != sign(wx+b) 或者 y*(wx+b) <= 0 则为误分类点
        2.2 根据误分类点计算:w_new = w_old -alpha * 对w的梯度, b_new = b_old - alpha * 对b的梯度
    3.直到没有误分类点或者达到迭代次数停止迭代.
"""

import sys
import numpy as np
import matplotlib.pyplot as plt

p_x = np.array([[4.0, 2.0], [3.0, 2.0], [2.5, 1.0], [2.0, 1.0]])
# print(p_x)
# sys.exit()
y = np.array([1, 1, -1, -1])

# 画出源数据点图分布
for i in range(len(p_x)):
    if y[i] == 1:
        # print(p_x[i][0], p_x[i][1])
        print(p_x[i])
        plt.plot(p_x[i][0], p_x[i][1], 'ro')
    else:
        plt.plot(p_x[i][0], p_x[i][1], 'bo')
# plt.show()
# sys.exit()

##找出分割超平面
# 初始化w,b
w = np.array([1.0, 1.0])
b = 1.0
# 设置初始学习率
alpha = 0.5
# 设置迭代次数
for i in range(160):
    # 选择误分类点
    choice = -1
    error_list = []
    for j in range(len(p_x)):
        # 判断误分类点
     
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值