ML之SVM：基于sklearn的svm算法實現(xiàn)對支持向量的數(shù)據(jù)進行標注

輸出結果

實現(xiàn)代碼

import numpy as np
import matplotlib.pyplot as pl  #python中的繪圖模塊
from pylab import show

from sklearn import svm

np.random.seed(0)  #隨機固定隨機值
X = np.r_[np.random.randn(20,2)-[2,2],np.random.randn(20,2)+[2,2]]  #隨機生成左下方20個點，右上方20個點
Y = [0]*20+[1]*20  #將前20個歸為標記0，后20個歸為標記1


#建立模型
clf = svm.SVC(kernel='linear')
clf.fit(X,Y)  #傳入?yún)?shù)

#畫出建立的超平面
w = clf.coef_[0]  #取得w值，w中是二維的
a = -w[0]/w[1]  #計算直線斜率
xx = np.linspace(-5,5)   #隨機產生連續(xù)x值
yy = a*xx-(clf.intercept_[0])/w[1]   #根據(jù)隨機x得到y(tǒng)值

#計算與直線相平行的兩條直線
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_)


#畫出三條直線
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()