SVM入门实例可运行python代码完整版(简单可视化)

最新推荐文章于 2025-06-25 22:02:49 发布

原创

最新推荐文章于 2025-06-25 22:02:49 发布 · 1.2w 阅读

67 ·

CC 4.0 BY-SA版权

文章标签：

#LinearSVC #SVM #python实现 #matplotlib可视化

本文介绍了使用Python的LinearSVC实现SVM，并提供了完整的可运行代码，包括数据集处理和可视化结果，适用于初学者快速上手。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

运行环境 anaconda

python 版本 2.7.13

包含详细数据集和数据的使用，可视化结果，很快入门，代码如下

# -*- coding: utf-8 -*-
__author__ = 'LinearSVC线性分类支持向量机：包含惩罚项的'

# 导包
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model, cross_validation, svm


# 数据集：鸢尾花数据集
'''
数据数 150
数据类别 3 (setosa, versicolor, virginica)
每个数据包含4个属性：sepal萼片长度、萼片宽度、petal花瓣长度、花瓣宽度
'''
def load_data_classfication():
    iris = datasets.load_iris()
    X_train = iris.data
    y_train = iris.target
    return cross_validation.train_test_split(X_train, y_train, test_size=0.25, random_state=0, stratify=y_train)