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
聚客AI12 小时前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
大怪v15 小时前
前端:人工智能?我也会啊!来个花活,😎😎😎“自动驾驶”整起!
前端·javascript·算法
惯导马工16 小时前
【论文导读】ORB-SLAM3:An Accurate Open-Source Library for Visual, Visual-Inertial and
深度学习·算法
骑自行车的码农18 小时前
【React用到的一些算法】游标和栈
算法·react.js
博笙困了18 小时前
AcWing学习——双指针算法
c++·算法
moonlifesudo19 小时前
322:零钱兑换(三种方法)
算法
NAGNIP2 天前
大模型框架性能优化策略:延迟、吞吐量与成本权衡
算法
美团技术团队2 天前
LongCat-Flash:如何使用 SGLang 部署美团 Agentic 模型
人工智能·算法
Fanxt_Ja2 天前
【LeetCode】算法详解#15 ---环形链表II
数据结构·算法·leetcode·链表
侃侃_天下2 天前
最终的信号类
开发语言·c++·算法