svm硬间隔支持向量机python代码

当然，下面是一个简单的SVM硬间隔支持向量机Python代码范例:

from sklearn import datasets
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC

# 加载iris数据集
iris = datasets.load_iris()
X = iris.data[:, (2, 3)]  # petal length, petal width
y = (iris.target == 2).astype(np.float64)  # Iris-Virginica

# 定义SVC分类器
svm_clf = Pipeline([
        ("scaler", StandardScaler()),
        ("linear_svc", SVC(kernel="linear", C=float("inf")))
    ])
svm_clf.fit(X, y)

# 输出SVC分类器的决策函数和预测结果
print("决策函数: ", svm_clf.decision_function([[5.5, 1.7]]))
print("预测结果: ", svm_clf.predict([[5.5, 1.7]]))

这个代码实现 SVM 硬间隔支持向量机分类器，用于分类Iris-Virginica。注意到我们在管道中添加了一个标准化缩放器，以便更好地处理数据。同时使用 linear kernel。