SVM决策边界

原创

于 2021-07-02 10:35:04 发布 · 1.2k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #python

本文探讨了支持向量机（SVM）的决策边界，包括线性可分情况和线性不可分情况的处理，深入解析SVM如何构建最优分类超平面。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

SVM决策边界

一、线性可分

w = clf.coef_[0]
#调用coef_取得w值
a = -w[0] / w[1]
xx = np.linspace(-2, 2) # x轴范围
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])
#得到分界线上方和下方与之平行的边际直线的xx和yy后面一并画出
plt.figure()
plt.plot(xx, yy, 'g-')
plt.plot(xx, yy_down, 'g--')
plt.plot(xx, yy_up, 'g--')
plt.ylim(0.75,1.1) # y轴范围

def plot_svc_decision_function(model,ax=None):
    if ax is None:
        ax

最低0.47元/天解锁文章

200万优质内容无限畅学