超级会员免费看
本文通过代码实例详细解析SVM如何利用核函数进行数据分类，包括平面分类、等高线分类、轮廓面展示和3D展示。通过散点数据的2D和3D展示，说明SVM如何将二维数据升维后用超平面进行有效分割，展示了支持向量机在散点数据分类中的应用和优势。
首先我们准备数据,然后我们导入包,
这次我们,用代码来,演示一下,SVM到底是如何将数据,进行分类的,我们会,用平面分类,等高线分类,轮廓面分类,3D展示来清晰的演示.
其实他就是把在2维中不好进行分类的数据,利用核函数,比如rbf,对数据进行了升维,然后使得
升维后的数据,变的可以用,面来进行分割.
首先我们导入包
import numpy as np 数学计算包
from sklearn.svm import SVC 支持向量机 线性分类器
import matplotlib.pyplot as plt 画图工具
from mpl_toolkits.mplot3d import Axes3D 3D画图工具
然后我们再去生成随机数
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
