Python 支持向量机分类器的实现
作者:小游园 时间:2021-05-13 01:54:57
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 linear classifier),其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane)
SVM使用铰链损失函数(hinge loss)计算经验风险(empirical risk)并在求解系统中加入了正则化项以优化结构风险(structural risk),是一个具有稀疏性和稳健性的分类器。SVM可以通过核方法(kernel method)进行非线性分类,是常见的核学习(kernel learning)方法之一。
SVM被提出于1964年,在二十世纪90年代后得到快速发展并衍生出一系列改进和扩展算法,在人像识别、文本分类等模式识别(pattern recognition)问题中有得到应用。
import numpy as np
from scipy import io as spio
from matplotlib import pyplot as plt
from sklearn import svm
def SVM():
'''data1——线性分类'''
data1 = spio.loadmat('data1.mat')
X = data1['X']
y = data1['y']
y = np.ravel(y)
plot_data(X, y)
model = svm.SVC(C=1.0, kernel='linear').fit(X, y) # 指定核函数为线性核函数
plot_decisionBoundary(X, y, model) # 画决策边界
'''data2——非线性分类'''
data2 = spio.loadmat('data2.mat')
X = data2['X']
y = data2['y']
y = np.ravel(y)
plt = plot_data(X, y)
plt.show()
model = svm.SVC(gamma=100).fit(X, y) # gamma为核函数的系数,值越大拟合的越好
plot_decisionBoundary(X, y, model, class_='notLinear') # 画决策边界
# 作图
def plot_data(X, y):
plt.figure(figsize=(10, 8))
pos = np.where(y == 1) # 找到y=1的位置
neg = np.where(y == 0) # 找到y=0的位置
p1, = plt.plot(np.ravel(X[pos, 0]), np.ravel(X[pos, 1]), 'ro', markersize=8)
p2, = plt.plot(np.ravel(X[neg, 0]), np.ravel(X[neg, 1]), 'g^', markersize=8)
plt.xlabel("X1")
plt.ylabel("X2")
plt.legend([p1, p2], ["y==1", "y==0"])
return plt
# 画决策边界
def plot_decisionBoundary(X, y, model, class_='linear'):
plt = plot_data(X, y)
# 线性边界
if class_ == 'linear':
w = model.coef_
b = model.intercept_
xp = np.linspace(np.min(X[:, 0]), np.max(X[:, 0]), 100)
yp = -(w[0, 0] * xp + b) / w[0, 1]
plt.plot(xp, yp, 'b-', linewidth=2.0)
plt.show()
else: # 非线性边界
x_1 = np.transpose(np.linspace(np.min(X[:, 0]), np.max(X[:, 0]), 100).reshape(1, -1))
x_2 = np.transpose(np.linspace(np.min(X[:, 1]), np.max(X[:, 1]), 100).reshape(1, -1))
X1, X2 = np.meshgrid(x_1, x_2)
vals = np.zeros(X1.shape)
for i in range(X1.shape[1]):
this_X = np.hstack((X1[:, i].reshape(-1, 1), X2[:, i].reshape(-1, 1)))
vals[:, i] = model.predict(this_X)
plt.contour(X1, X2, vals, [0, 1], color='blue')
plt.show()
if __name__ == "__main__":
SVM()
来源:https://blog.csdn.net/s0302017/article/details/103947043
标签:Python,向量机,分类器
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
mysql 安装使用小记
2011-02-23 12:33:00
在Python中使用sort()方法进行排序的简单教程
2022-08-21 07:05:47
ThinkPHP php 框架学习笔记
2023-09-10 08:20:32
Python中bisect的使用方法
2021-12-03 05:56:12
SQL对时间处理的语句小结
2011-12-01 07:53:04
PHP设计模式之模板方法模式Template Method Pattern详解
2023-05-25 00:24:26
图片预载ImageLoader 1.1 Release
2008-11-04 20:04:00
Python对FTP交互封装的实现
2023-05-18 15:12:14
numpy模块中axis的理解与使用
2023-06-26 22:55:28
python输入、数据类型转换及运算符方式
2021-08-09 19:20:17
![](https://img.aspxhome.com/file/2023/3/65863_0s.png)
动态载入树 (ASP+数据库)
2010-05-27 12:20:00
13个超级有用的 jQuery 内容滚动插件和教程
2011-08-10 19:10:08
让ASP搭配MYSQL
2009-10-04 20:30:00
RSA加密解密算法 asp源码
2009-08-28 13:10:00
Python迭代器iterator生成器generator使用解析
2023-11-17 18:50:24
Python干货:分享Python绘制六种可视化图表
2023-07-10 10:01:03
![](https://img.aspxhome.com/file/2023/9/66369_0s.png)
兼容IE和FF的收藏本站、设为首页代码
2009-01-07 14:14:00
解决tensorflow 释放图,删除变量问题
2023-08-10 09:42:47
解析php获取字符串的编码格式的方法(函数)
2023-10-02 22:26:49
SQLServer WITH 的用法
2009-07-09 18:54:00