24/8/6算法笔记 支持向量机

支持向量机(Support Vector Machine, SVM)是一种监督学习算法,主要用于分类和回归任务。它基于统计学习理论中的结构风险最小化原理,通过找到数据点之间的最优边界来实现模型的泛化能力。

复制代码
import numpy as np
import matplotlib.pyplot as plt

from sklearn.svm import SVC
from sklearn import datasets


X,y = datasets.make_blobs(n_samples=100,#样本量
                    n_features=2,#二维数据,便于画图展示
                    centers = 2,#两类
                    random_state=3)#随机数状态,固定了
display(X.shape,y.shape,np.unique(y))
​
plt.scatter(X[:,0],X[:,1],c=y)

datasets.make_blobs 是 Python scikit-learn 库中的一个函数,用于生成具有不同形状和尺度的随机中心的多维数据集。这个函数通常用于创建合成数据集,以便进行测试和演示机器学习算法。

算法建模

复制代码
svc = SVC(kernel = 'linear')#kernel 表示核函数,linear,线性

svc.fit(X,y)
复制代码
svc.score(X,y)

绘制分割线

复制代码
w_ = svc.coef_#有两个特征
w_
复制代码
b_ = svc.intercept_
b_
复制代码
w = -w_[0,0]/w_[0,1]
w
复制代码
b, = -b_/w_[0,1]#逗号能将列表中的数取出来
b
复制代码
sv = svc.support_vectors_
sv
复制代码
x = np.linspace(-5,1,100)

y_result = w*x+b

plt.scatter(X[:,0],X[:,1],c=y)

plt.plot(x,y_result,color = 'red')
#上边界,下边界
b1 = sv[0][1] - w*sv[0][0]
plt.plot(x,w*x+b1,color = 'blue',ls='--')

b2 =  sv[-1][1] - w*sv[-1][0]
plt.plot(x,w*x+b2,color = 'blue',ls ='--')
相关推荐
zbh060421 分钟前
洛谷P5788 【模板】单调栈——单调栈
数据结构·算法
moonsims1 小时前
Z3 Technology-适用于无人机和机器人的 4K 高清摄像机和视频编码器
算法
摘星编程1 小时前
深入浅出 Tokio 源码:掌握 Rust 异步编程的底层逻辑
网络·算法·rust·系统编程·tokio
于顾而言2 小时前
【笔记】Comprehensive Rust语言学习
笔记·学习·rust
Hard_Liquor2 小时前
Datawhale秋训营-“大运河杯”数据开发应用创新大赛
人工智能·深度学习·算法
liu****2 小时前
笔试强训(八)
开发语言·算法·1024程序员节
草莓工作室2 小时前
数据结构14:查找
数据结构·算法
芥子沫2 小时前
Docker安装思源笔记&使用指南
笔记·docker·容器·思源笔记
递归不收敛2 小时前
三、检索增强生成(RAG)技术体系
人工智能·笔记·自然语言处理
im_AMBER3 小时前
React 06
前端·javascript·笔记·学习·react.js·前端框架