导包并创建数据

#导包
import numpy as np
import matplotlib.pyplot as plt
from sklearn.svm import SVC
from mpl_toolkits.mplot3d import Axes3D
#数据创建
X=np.random.randn(1000,2)
y=[1 if i>0 else 0 for i in X[:,0]*X[:,1]]
plt.scatter(X[:,0],X[:,1],c=y)
plt.savefig('./1.png',dpi=300) ；

绘制出我们创建的数据
我们利用SVM原理进行建模

#建模
svc=SVC(kernel='poly',degree=2) #这里kernel属于我们超参数
svc.fit(X,y)
svc.score(X,y)
#创建预测数据
f1=np.linspace(-3,3,200)
f2=np.linspace(-3,3,180)
F1,F2=np.meshgrid(f1,f2)
X_test=np.column_stack([F1.ravel(),F2.ravel()])
plt.scatter(X_test[:,0],X_test[:,1])
plt.savefig('./2.png',dpi=300)

预测数据
算法预测

y_=svc.predict(X_test)
plt.scatter(X_test[:,0],X_test[:,1],c=y_)
plt.savefig('./3.png',dpi=300)

绘制预测轮廓线

d=svc.decision_function(X_test)   #d是我们边界点距离轮廓线距离
plt.figure(figsize=(6,6))
plt.contour(F1,F2,d.reshape(180,200))
plt.savefig('./4.png',dpi=300)

轮廓面

plt.figure(figsize=(6,6))
plt.contourf(F1,F2,d.reshape(180,200))
plt.savefig('./5.png',dpi=300)

预测面三维图

plt.figure(figsize=(9,6))
ax=plt.subplot(111,projection='3d')
ax.contourf(F1,F2,d.reshape(-1,200))
ax.view_init(40,-50)
plt.savefig('./6.png',dpi=300)

支持向量机SVM原理及代码推导相关推荐

统计学习方法|支持向量机(SVM)原理剖析及实现
欢迎直接到我的博客查看最近文章:www.pkudodo.com.更新会比较快,评论回复我也能比较快看见,排版也会更好一点. 原始blog链接: http://www.pkudodo.com/2018/ ...
机器学习（三）：支持向量机SVM（含代码和注释）
目录 1. 线性可分 2. 支持向量机SVM 1. 线性可分二维空间中,线性可分数据表示为可用一条直线分开两类数据:若不存在一条直线分开两类数据,则为非线性可分可以把它拓展到更高维度空间.若在三维 ...
机器学习：支持向量机SVM原理与理解
引言 --"举牌子:Support Vector Machines " 一直在犹豫要不要写SVM,因为网上已经有很多详细的SVM原理的解释甚至详细推导,而这东西又庞大复杂,想了解的 ...
影像组学视频学习笔记(12)-支持向量机(SVM)参数优化(代码)、Li‘s have a solution and plan.
本笔记来源于B站Up主: 有Li 的影像组学系列教学视频本节(12)主要介绍: SVM参数优化(代码) 参数优化: 自动寻找最合适的γ和C组合. 原理:遍历所有给定的参数组合,对数据进行训练,找到最 ...
SVM原理及代码实现（学习笔记）
1.概念支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized ...
支持向量机SVM原理解析
支持向量机(SVM) 支持向量机(support vector machine,SVM)使用训练集中的一个子集来表示决策边界,边界用于样本分类,这个子集称作支持向量(support vector). ...
支持向量机——SVM原理
SVM--Support Vector Machine 5.11 update:拉格朗日对偶问题的推导 5.15 update:SMO算法推导 5.17 update:sklearn实现文章目录 S ...
机器学习-分类之支持向量机(SVM)原理及实战
支持向量机(SVM) 简介支持向量机(Support Vector Machine,SVM),是常见的一种判别方法.在机器学习领域,是一个监督学习模型,通常用来进行模式识别.分类及回归分析.与其他算 ...
支持向量机(SVM)原理及实现
一.原理: 以一个二分类为例(y = -1,1):希望支持向量间的距离尽可能远. 我们可以看到上面三个方法的效果: 分类效果 H1 无法完成分类 H2 robost性较差(在新的数据集上健壮性较差) ...

支持向量机SVM原理及代码推导

导包并创建数据

支持向量机SVM原理及代码推导相关推荐

最新文章

热门文章