【机器学习】【支持向量机SVM】Python不适用核函数构建非线性支持向量机SVM实战演练记录

最新推荐文章于 2025-03-03 20:35:12 发布

不断向上的萝卜

最新推荐文章于 2025-03-03 20:35:12 发布

阅读量397

点赞数 8

文章标签：支持向量机机器学习 python

本文链接：https://blog.youkuaiyun.com/weixin_62100318/article/details/135708845

版权

本文通过实例介绍了如何使用Python的sklearn库，不借助核函数对数据进行变换，实现非线性SVM分类，并展示了如何处理和可视化make_moons数据集。重点在于理解SVM的基本原理和实际应用中的特征转换方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

非线性SVM可以通过核函数构建或者自己在数据中进行构建，如若不使用核函数构建则相对于仅对数据进行变化后构建了一个线性支持向量机完成了非线性分类任务罢了，未体现SVM的高深之处，此处仅作为学习阶段的实战演练，真实运用中一般不这样

import numpy as np
from matplotlib import pyplot as plt

'''构造数据'''
X1D = np.linspace(-4, 4, 9).reshape(-1, 1)
X2D = np.c_[X1D, X1D ** 2]
y = np.array([0, 0, 1, 1, 1, 1, 1, 0, 0])
##绘图展示所绘制完成的数据
plt.figure(figsize=(11, 4))

plt.subplot(121)
plt.grid(True, which='both')
plt.axhline(y=0, color='k')
plt.plot(X1D[:, 0][y == 0], np.zeros(4), "bs")
plt.plot(X1D[:, 0][y == 1], np.zeros(5), "g")
plt.gca().get_yaxis().set_ticks([])
plt.xlabel(r"Sx_18", fontsize=20)
plt.axis([-4.5, 4.5, -0.2, 0.2])

plt.subplot(122)
plt.grid(True, which='both')
plt.axhline(y=0, color='k')
plt.axvline(x=0, color='k')
plt.plot(X2D[:, 0][y == 0], X2D[:, 1][y =