ML之SVM:基于sklearn的svm算法实现对支持向量的数据进行标注
ML之SVM:基于sklearn的svm算法实现对支持向量的数据进行标注
目录
输出结果
实现代码
输出结果
实现代码
import numpy as np
import matplotlib.pyplot as pl #python中的绘图模块
from pylab import showfrom sklearn import svmnp.random.seed(0) #随机固定随机值
X = np.r_[np.random.randn(20,2)-[2,2],np.random.randn(20,2)+[2,2]] #随机生成左下方20个点,右上方20个点
Y = [0]*20+[1]*20 #将前20个归为标记0,后20个归为标记1#建立模型
clf = svm.SVC(kernel='linear')
clf.fit(X,Y) #传入参数#画出建立的超平面
w = clf.coef_[0] #取得w值,w中是二维的
a = -w[0]/w[1] #计算直线斜率
xx = np.linspace(-5,5) #随机产生连续x值
yy = a*xx-(clf.intercept_[0])/w[1] #根据随机x得到y值#计算与直线相平行的两条直线
b = clf.support_vectors_[0]
yy_down = a*xx+(b[1]-a*b[0])
b = clf.support_vectors_[-1]
yy_up = a*xx+(b[1]-a*b[0])print('w:',w)
print('a:',a)
print('support_vectors:',clf.support_vectors_)
print('clf.coef_',clf.coef_)#画出三条直线
pl.plot(xx,yy,'k-')
pl.plot(xx,yy_down,'k--')
pl.plot(xx,yy_up,'k--')pl.scatter(clf.support_vectors_[:,0],clf.support_vectors_[:,1],s=100,c="g") #,facecolors='none',zorder=10
pl.scatter(X[:,0],X[:,1],c=Y, cmap=pl.cm.Paired)pl.axis('tight')
pl.title('The bold circle is the support vector')
pl.show()
ML之SVM:基于sklearn的svm算法实现对支持向量的数据进行标注相关推荐
- 基于Sklearn实现SVM算法
文章目录 一.SVM算法 二.算法实现 1.引包 2.加载数据 3.修改数据 4.定义函数 5.线性处理 6.非线性处理 7.核函数处理 8.高斯核函数处理 三.总结 四.参考 一.SVM算法 将实例 ...
- 第十九课.基于sklearn的SVM人脸识别
目录 数据集 确定人脸的类别标记 划分训练集和测试集与训练 实验为基于sklearn的SVM人脸识别,使用 SVM 算法对戴眼镜的人脸和不戴眼镜的人脸进行分类,从而完成 识别戴眼镜的人脸 的任务:实验 ...
- python基于sklearn的SVM和留一法(LOOCV)进行二分类
基于sklearn的SVM和留一法(LOOCV)进行二分类 需要的导入包 import numpy as np from sklearn.model_selection import LeaveOne ...
- 基于sklearn随机森林算法探究肥胖的成因
目录 项目背景 数据介绍 数据来源 属性介绍 算法介绍 随机森林算法 决策树 随机森林定义 随机森林构建过程 随机森林算法评价 随机森林算法的发展现状及趋势 实验步骤 1.导入模块与数据 2.查看数据 ...
- 基于sklearn随机森林算法对鸢尾花数据进行分类
随机森林定义 随机森林(Random Forest,RF),顾名思义就是将多棵相互之间并无关联的决策树整合起来形成一个森林,再通过各棵树投票或取均值来产生最终结果的分类器.在介绍随机森林前需要了解几个 ...
- python中的sklearn.svm.svr_Python sklearn 实现SVM和SVR
线性可分 SVM import numpy as np import matplotlib.pyplot as plt from sklearn.svm import SVC # "Supp ...
- 基于支持向量机的文本分类算法研究(二) —— 支持向量核函数介绍(stitp项目)
2 支持向量机核函数 支持向量机的理论基础(凸二次规划)决定了它最终求得的为全局最优值而不是局部最优值,也保证了它对未知样本的良好泛化能力.支持向量机是建立在统计学习理论基础之上的新一代机器学习算法, ...
- Py之scikit-learn:机器学习sklearn库的简介、六大基本功能介绍(数据预处理/数据降维/模型选择/分类/回归/聚类)、安装、使用方法(实际问题中如何选择最合适的机器学习算法)之详细攻略
Py之scikit-learn:机器学习sklearn库的简介(组件/版本迭代).六大基本功能介绍(数据预处理/数据降维/模型选择/分类/回归/聚类).安装.使用方法(实际问题中如何选择最合适的机器学 ...
- sklearn应用线性回归算法
sklearn应用线性回归算法 Scikit-learn 简称 sklearn 是基于 Python 语言实现的机器学习算法库,它包含了常用的机器学习算法,比如回归.分类.聚类.支持向量机.随机森林等 ...
最新文章
- 在VS2008.Net下使用WPF开发Web应用程序
- 局域网延时大怎么办?
- 计算机网络的含义是什么意思,互联网的基本含义是什么
- npm ERR! Failed at the node-sass@4.13.0 postinstall script.
- java jar 版本号,比较两个jar包的版本号
- set列表对象去重_set去重应用
- 【Paper】英文文章图表规范和文献引用格式
- div垂直居中的N种方法以及多行文本垂直居中的方法
- 扫描全能王?原来图像技术可以这样子玩
- p2p网络中的节点发现之UDP
- 免费Web 托管公司遭黑客攻击 1350万用户数据泄露
- 算法学习:501.二叉搜索树中的众数
- 配合理lcd的c语言小游戏,51单片机+LCD12864做的贪食蛇和俄罗斯方块小游戏分享
- python使用RSA加密算法
- 华为路由器:ipsec技术
- 揭秘一个不起眼的微商新品牌,如何快速赢得客户信任?
- phpMyAdmin无法缓存模板文件,所以会运行缓慢。
- matlab等高线不显示,Matlab提示ZData 为非有限时,无法显示等高线图
- php药膳 源码,-道家药膳
- `Supimo` `Algorithm` 算法代码模板CodeTemplate
热门文章
- sublime配置python开发环境_win7 下搭建sublime的python开发环境的配置方法
- 方舟原始恐惧mod生物代码_主播在《方舟生存进化》成功打造幽灵城堡,可怕的怪物在这里横行...
- 线程安全的ConcurrentQueueT队列
- 批量域更改客户端本地administrator密码
- 从容稳进,高通正扎实推进5G
- Pandas.plot 做图 demo(scatter,bar,pie)
- 常用的一些注入命令,方便一下大家哦
- Caffeine Cache~高性能 Java 本地缓存之王
- 8 种最坑的 SQL 错误用法,你有没有踩过坑?
- 死磕Synchronized底层实现--偏向锁