svc支持向量机分类模型、NuSVC支持向量机分类模型、sklearn.svm支持向量机分类模型
需积分: 5 40 浏览量
2024-01-11
20:15:10
上传
评论
收藏 179KB DOCX 举报
7.3.1 svc 支持向量机分类模型
sklearn.svm.SVC 的一个应用举例
代码及注释如下
代码如下：
from sklearn import svm
import numpy as np
import matplotlib.pyplot as plt #python 中的绘图模块
#平面上的 8 个点
X=[[0.39,0.17],[0.49,0.71],[0.92,0.61],[0.74,0.89],[0.18,0.06],[0.41,0.26],
[0.94,0.81],[0.21,0.01]]
Y=[1,-1,-1,-1,1,1,-1,1] #标记数据点属于的类
clf=svm.SVC(kernel='linear') #建立模型，linear 为小写，线性核函数
clf.fit(X,Y) #训练模型
w=clf.coef_[0] #取得 w 值，w 是二维的
a=-w[0]/w[1] #计算直线斜率
x=np.linspace(0,1,50) #随机产生连续 x 值
y=a*x-(clf.intercept_[0])/w[1] #根据随机 x 值得到 y 值
#计算与直线平行的两条直线
b=clf.support_vectors_[0] #获取一个支持向量
y_down=a*x+(b[1]-a*b[0])
c=clf.support_vectors_[-1] #获取一个支持向量
y_up=a*x+(c[1]-a*c[0])
print('模型参数 w:',w)
print('边缘直线斜率:',a)
print('打印出支持向量:',clf.support_vectors_ )
plt.plot(x,y,'k-') #画出三条直线
plt.plot(x,y_down,'k--')
plt.plot(x,y_up,'k--') #绘制散点图
plt.scatter([s[0]for s in X],[s[1]for s in X],c=Y,cmap=plt.cm.Paired)
plt.show()
运行结果
资源评论
