第10节--支持向量机（SVM）算法代码

最新推荐文章于 2024-07-27 18:52:46 发布

忧郁一休

最新推荐文章于 2024-07-27 18:52:46 发布

阅读量883

点赞数 1

分类专栏：彭亮之深度学习基础介绍-机器学习文章标签： SVM代码支持向量机代码 svm包 scatter SVC

本文链接：https://blog.csdn.net/youyuyixiu/article/details/52985058

版权

彭亮之深度学习基础介绍-机器学习专栏收录该内容

27 篇文章 17 订阅

订阅专栏

1 sklearn实现svm的小例子

from sklearn import svm

X = [[2,0],[1,1],[2,3]]
y = [0,0,1]

clf = svm.SVC(kernel = "linear")
clf.fit(X,y)

print(clf)

print(clf.support_vectors_)

print(clf.support_)

print(clf.n_support_)

2 利用sklearn画出决定界限

import numpy as np
import pylab as pl
from sklearn import svm

np.random.seed(0)
X = np.r_[np.random.randn(20,2) - [2,2],np.random.randn(20,2) + [2,2]]
Y = [0] * 20 + [1] * 20

clf = svm.SVC(kernel = "linear")
clf.fit(X,Y)

w = clf.coef_[0]
a = -w[0]/w[1]
xx = np.linspace(-5,5)
yy = a * xx - (clf.intercept_[0]/w[1])

b = clf.support_vectors_[0]
yy_down = a * xx + (b[1]-a*b[0])
b = clf.support_vectors_[-1]
yy_up = a * xx + (b[1]-a*b[0])

print("w: "+str(w))
print("a: "+str(a))
print("support_vectors_: "+str(clf.support_vectors_))
print("coef_: "+str(clf.coef_))


pl.plot(xx,yy,'k-')
pl.plot(xx,yy_up,'k--')
pl.plot(xx,yy_down,'k--')

pl.scatter(clf.support_vectors_[:,0],clf.support_vectors_[:,1],s=80,facecolor='none')
pl.scatter(X[:,0],X[:,1],c=Y,cmap=pl.cm.Paired)
pl.axis('tight')
pl.show()