用Python的scikit-learn实现支持向量机SVM

最新推荐文章于 2025-02-10 09:41:29 发布

原创

最新推荐文章于 2025-02-10 09:41:29 发布 · 1.9k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python #svm

本文介绍了如何使用Python的scikit-learn库实现支持向量机（SVM），涵盖画出决策边界，以及利用多种核函数对iris数据集进行分类和回归的实践操作。

支持向量机SVM，可以解决分类和回归问题

1、画出决策边界

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import matplotlib.pyplot as plt
from IPython.display import display
%matplotlib inline
from sklearn.svm import SVC

# 随机生成数据
X_train = np.r_[5*np.random.rand(20,2)+[-3,3], 
            5*np.random.rand(20,2)+[3,-3]]
y_train = [0]*20, [1]*20
# 支持向量机
svc = SVC(kernel= 'linear')
svc.fit(X_train, y_train)
coef_ = svc.coef_
w = -coef_[0,0]/coef_[<