SVC实现分类算法实现

该博客介绍了如何使用SVC(Support Vector Classification)实现分类算法,并展示了通过Python的Scikit-Learn库进行数据加载、训练、测试以及可视化的过程。博客中包含了一个名为MySVM的类,用于加载数据、划分训练测试集、绘制输入数据以及训练和评估SVM模型。通过不同核函数(线性、多项式和径向基函数)的比较,展示了SVM分类器的性能和边界。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import numpy as np
import matplotlib.pyplot as plt
from sklearn.svm import SVC
class MySVM:
    X=[];y=[]
    m=0;n=0
    fignum=1
    def __init__(self,params={
 
 'kernel': 'linear'}):
        self.moduleparams=params
        self.module=SVC(**params)
    @classmethod
    def load_data(cls,input_file):
        X = [];y = []
        with open(input_file, 'r') as f:
            for line in f.readlines():
                data = [float(x) for x in line.split(',')]
                X.append(data[:-1])
                y.append(data[-1])
        cls.X = np.array(X)
        cls.y=  np.array(y)
    @classmethod
    def plot_data(cls):
        class_0 = np.array([cls.X[i] for i in range(len(cls.X)) if 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值