支持向量机pythoncsdn
时间: 2023-11-21 10:02:58 浏览: 37
支持向量机(Support Vector Machine, SVM) 是一种常用的机器学习算法,可用于分类和回归问题。在Python中,我们可以使用scikit-learn库来实现SVM算法。
首先,我们需要导入所需的库:
```
from sklearn import svm
import numpy as np
```
接下来,我们需要准备训练数据和标签。训练数据是一个二维数组,每行代表一个样本,每列代表一个特征。标签是一个一维数组,每个元素代表对应样本的类别。
```
X = np.array([[0, 0], [1, 1]])
y = np.array([0, 1])
```
然后,我们可以创建一个SVM分类器对象,并使用fit方法进行训练。
```
clf = svm.SVC()
clf.fit(X, y)
```
训练完成后,我们可以使用predict方法对新的样本进行预测。
```
print(clf.predict([[2., 2.]]))
```
输出结果为预测的类别。
对于更复杂的数据集,我们可以使用不同的核函数来进行非线性分类。常用的核函数有线性核函数、多项式核函数和径向基函数(RBF)。我们可以在创建SVM分类器对象时设置kernel参数来选择不同的核函数。
```
clf = svm.SVC(kernel='rbf')
```
另外,对于SVM算法,还可以调整其他参数,例如C值、gamma值等,以获得更好的分类效果。
综上所述,通过Python中的scikit-learn库的svm模块,我们可以方便地实现支持向量机算法,并使用其进行分类和回归任务。在应用中,我们可以根据具体情况选择适合的核函数和调整参数,以获得更好的模型性能。