机器学习算法导论---kernel_svm

最新推荐文章于 2024-11-26 11:59:58 发布

原创最新推荐文章于 2024-11-26 11:59:58 发布 · 613 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#1024程序员节

机器学习算法导论代码专栏收录该内容

13 篇文章

订阅专栏

本文介绍了一种自定义的SVM (Support Vector Machine) 实现，名为KernelSVM，它支持用户自定义内核函数。核心内容包括初始化、核函数计算、fit方法中的Sequential Minimal Optimization (SMO) 算法，以及predict阶段的预测功能。适用于非线性问题的分类解决。

import numpy as np
from machine_learning.lib.svm_smo import SVM

class KernelSVM(SVM):
    def __init__(self,kernel=None):
        self.kernel=kernel

    def get_K(self,X_1,X_2):
        if self.kernel==None:
            return X_1.dot(X_2.T)
        m1,m2=len(X_1),len(X_2)
        K=np.zeros((m1,m2))
        for i in range(m1):
            for j in range(m2):
                K[i][j]=self.kernel(X_1[i],X_2[j])
        return K

    def fit(self,X,y,N=10):
        K=self.get_K(X,X)
        self.smo(X,y,K,N)
        self.X_train=X
        self.y_train=y

    def predict(self,X):
        K=self.get_K(X,self.X_train)
        return np.sign(K.dot(self.Lambda*self.y_train)+self.b)