SVM支持向量机sklearn-wine红酒数据集代码V1
import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
from sklearn.datasets import make_blobs
from sklearn.datasets import load_wine# 定义函数作图
def make_meshgrid(x, y, h=.02):x_min, x_max = x.min() - 1, x.max() + 1y_min, y_max = y.min() - 1, y.max() + 1# arange()-开始值、终值和步长创建表示等差数列的一维数组# linspace()-通过指定开始值、终值和元素个数xx, yy = np.meshgrid(np.arange(x_min, x_max, h),np.arange(y_min, y_max, h))return xx, yy# 定义绘制等高线
def plot_contours(ax, clf, xx, yy, **params):Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])Z = Z.reshape(xx.shape)out = ax.contourf(xx, yy, Z, **params)return outwine = load_wine()
X = wine.data[:, :2]
y = wine.targetC = 1.0
models = (svm.SVC(kernel='linear',C=C),svm.LinearSVC(C=C),svm.SVC(kernel='rbf', gamma=0.7, C=C),svm.SVC(kernel='poly', degree=3, C=C))
models = (clf.fit(X, y) for clf in models)titles = ('SVC with linear kernel','LinearSVC','SVC with RBF kernel','SVC with polt(degree=3) kernel')# 设定子图排列
fig, sub = plt.subplots(2, 2)
plt.subplots_adjust(wspace=0.4, hspace=0.4)
# 作图
X0, X1 = X[:, 0], X[:, 1]
xx, yy = make_meshgrid(X0, X1)for clf, title, ax in zip(models, titles, sub.flatten()):plot_contours(ax, clf, xx, yy, cmap=plt.cm.plasma, alpha=0.8)ax.scatter(X0, X1, c=y, cmap=plt.cm.plasma, s=20, edgecolors='k')ax.set_xlim(xx.min(), xx.max())ax.set_ylim(yy.min(), yy.max())ax.set_xlabel('Feature 0')ax.set_ylabel('Feature 1')ax.set_xticks(())ax.set_yticks(())ax.set_title(title)plt.show()
SVM支持向量机sklearn-wine红酒数据集代码V1相关推荐
- 实验二:用python实现SVM支持向量机并对鸢尾花数据集分类
实验二:SVM支持向量机 1. 实验内容: (1)用你熟知的语言(尽量使用python)实现支持向量机的算法,并在给定的数据集上训练. (2)在测试集上用训练好的支持向量机进行测试,并将预测结果以cs ...
- SVM支持向量机--sklearn研究
Support vector machines (SVMs) are a set of supervised learning methods used for classification, reg ...
- 利用SVM,sklearn对iris数据集进行分类
摘要 hello,又见面了,这次写的是New York university homework4 ,题目是SVM Classifier with different kernels 首先,了解一下数据 ...
- 利用决策树算法对sklearn中红酒数据集进行可视化分类
'''决策树是一种在分类和回归中都广泛应用的算法,它的原理是通过对一系列问题进行if/else进行推导,最终实现决策''' '''决策树最大的优势就是可以轻易的将模型可视化,而且决策树算法对每个样本的 ...
- 监督学习 | SVM 之支持向量机Sklearn实现
文章目录 Sklearn 支持向量机 1. 支持向量机分类 1.1 线性 SVM 分类 1.2 非线性 SVM 分类 1.2.1 多项式内核 1.2.2 高斯 RBF 内核 2. 支持向量机回归 2. ...
- 机器学习05|一万五字:SVM支持向量机02 【jupyter代码详解篇】
文章目录 Jupyter实现 任务一 从DataSet.txt中导入数据,获得训练集以及标签. 任务二 调整alpha的值 任务三 上述原理过程中,需要计算真实值与预测值之间的误差,定义一个函数Com ...
- 深入解析:svm支持向量机python代码
下面是使用 scikit-learn 库中的 SVM 模型的示例代码: from sklearn import svm from sklearn.datasets import make_classi ...
- 【机器学习】SVM支持向量机在手写体数据集上进行二分类、采⽤ hinge loss 和 cross-entropy loss 的线性分类模型分析和对比、网格搜索
2022Fall 机器学习 1. 实验要求 考虑两种不同的核函数:i) 线性核函数; ii) ⾼斯核函数 可以直接调⽤现成 SVM 软件包来实现 ⼿动实现采⽤ hinge loss 和 cross-e ...
- ML:基于自定义数据集利用Logistic、梯度下降算法GD、LoR逻辑回归、Perceptron感知器、SVM支持向量机、LDA线性判别分析算法进行二分类预测(决策边界可视化)
ML:基于自定义数据集利用Logistic.梯度下降算法GD.LoR逻辑回归.Perceptron感知器.支持向量机(SVM_Linear.SVM_Rbf).LDA线性判别分析算法进行二分类预测(决策 ...
最新文章
- 学python有哪些书推荐-Python 有哪些入门学习方法和值得推荐的经典教材?
- sql 192标准 连接查询
- Java面试题 实现单例设计模式(懒汉、饿汉)
- 容器与Pod到底有什么区别和联系?
- javascript获取表单值的7种方式
- SpringBoot使用@Cacheable实现最简单的Redis缓存
- 【Kafka】Kafka Streams简介
- JNDI 笔记(转)
- C++多态(一)——多态的定义、虚函数、静态绑定和动态绑定
- 关于今日头条小程序(字节跳动小程序)相关问题
- 超酷的 mip-infinitescroll 无限滚动(无限下拉)
- Dorado7 首页菜单CSS调整
- linux tc取消网卡流量限制,Linux高级流量控制tc使用
- python中matplotlib调整图例位置
- 华为q1设置虚拟服务器,华为路由Q1的上网设置教程
- 一键式代购服务让,省时省力省心
- 如何输入“·”间隔号
- 高亮显示用户键盘输入(kbd)
- JAVA实现2048小游戏
- Android技术知识点:什么是外边距(margin)