杭州做网站的公司排行,网站布局图片,企业对做营销型网站有什么优势,打开百度app支持向量机#xff08;Support Vector Machine, SVM#xff09;是一种监督学习算法#xff0c;主要用于分类和回归任务。它基于统计学习理论中的结构风险最小化原理#xff0c;通过找到数据点之间的最优边界来实现模型的泛化能力。
import numpy as np
import matplotlib.…支持向量机Support Vector Machine, SVM是一种监督学习算法主要用于分类和回归任务。它基于统计学习理论中的结构风险最小化原理通过找到数据点之间的最优边界来实现模型的泛化能力。
import numpy as np
import matplotlib.pyplot as pltfrom sklearn.svm import SVC
from sklearn import datasets X,y datasets.make_blobs(n_samples100,#样本量n_features2,#二维数据便于画图展示centers 2,#两类random_state3)#随机数状态固定了
display(X.shape,y.shape,np.unique(y))
plt.scatter(X[:,0],X[:,1],cy)
datasets.make_blobs 是 Python scikit-learn 库中的一个函数用于生成具有不同形状和尺度的随机中心的多维数据集。这个函数通常用于创建合成数据集以便进行测试和演示机器学习算法。 算法建模
svc SVC(kernel linear)#kernel 表示核函数linear,线性svc.fit(X,y) svc.score(X,y) 绘制分割线
w_ svc.coef_#有两个特征
w_ b_ svc.intercept_
b_ w -w_[0,0]/w_[0,1]
w b, -b_/w_[0,1]#逗号能将列表中的数取出来
b sv svc.support_vectors_
sv x np.linspace(-5,1,100)y_result w*xbplt.scatter(X[:,0],X[:,1],cy)plt.plot(x,y_result,color red)
#上边界下边界
b1 sv[0][1] - w*sv[0][0]
plt.plot(x,w*xb1,color blue,ls--)b2 sv[-1][1] - w*sv[-1][0]
plt.plot(x,w*xb2,color blue,ls --)
