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
乖女子@@@1 天前
React笔记_组件之间进行数据传递
javascript·笔记·react.js
m0_570466411 天前
代码随想录算法训练营第二十八天 | 买卖股票的最佳实际、跳跃游戏、K次取反后最大化的数组和
java·开发语言·算法
吃着火锅x唱着歌1 天前
LeetCode 1537.最大得分
算法·leetcode·职场和发展
数模加油站1 天前
25高教社杯数模国赛【C题超高质量思路+可运行代码】第十弹
算法·数学建模·数模国赛·高教社杯全国大学生数学建模竞赛
ulias2121 天前
动态规划入门:从记忆化搜索到动态规划
算法·动态规划
山河君1 天前
webrtc之语音活动上——VAD能量检测原理以及源码详解
算法·音视频·webrtc·信号处理
THMAIL1 天前
深度学习从入门到精通 - LSTM与GRU深度剖析:破解长序列记忆遗忘困境
人工智能·python·深度学习·算法·机器学习·逻辑回归·lstm
JuneXcy1 天前
结构体简介
c语言·数据结构·算法
要做朋鱼燕1 天前
【C++】 priority_queue 容器模拟实现解析
开发语言·c++·笔记·职场和发展
ST.J1 天前
swing笔记
java·笔记