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。

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

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

svc.fit(X,y)
svc.score(X,y)

绘制分割线

w_ = svc.coef_#有两个特征
w_
b_ = svc.intercept_
b_
w = -w_[0,0]/w_[0,1]
w
b, = -b_/w_[0,1]#逗号能将列表中的数取出来
b
sv = svc.support_vectors_
sv
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
დ旧言~6 分钟前
【高阶数据结构】图论
算法·深度优先·广度优先·宽度优先·推荐算法
张彦峰ZYF11 分钟前
投资策略规划最优决策分析
分布式·算法·金融
-一杯为品-16 分钟前
【51单片机】程序实验5&6.独立按键-矩阵按键
c语言·笔记·学习·51单片机·硬件工程
The_Ticker26 分钟前
CFD平台如何接入实时行情源
java·大数据·数据库·人工智能·算法·区块链·软件工程
爪哇学长1 小时前
双指针算法详解:原理、应用场景及代码示例
java·数据结构·算法
Dola_Pan1 小时前
C语言:数组转换指针的时机
c语言·开发语言·算法
繁依Fanyi1 小时前
简易安卓句分器实现
java·服务器·开发语言·算法·eclipse
烦躁的大鼻嘎2 小时前
模拟算法实例讲解:从理论到实践的编程之旅
数据结构·c++·算法·leetcode
熙曦Sakura2 小时前
完全竞争市场
笔记
C++忠实粉丝2 小时前
计算机网络socket编程(4)_TCP socket API 详解
网络·数据结构·c++·网络协议·tcp/ip·计算机网络·算法