python画图svm

可以使用Python中的Matplotlib库来画SVM图，你可以参考以下代码：

from sklearn import svm
import matplotlib.pyplot as plt
import numpy as np

# Create sample data
X = np.array([[1, 2], [2, 3], [4, 5], [6, 7], [7, 8], [8, 9]])
y = np.array([1, 1, 1, 0, 0, 0])

# Create SVM classifier
clf = svm.SVC(kernel='linear', C=1.0)
clf.fit(X, y)

# Get support vectors
support_vectors = clf.support_vectors_

# Plot data points and decision boundary
plt.scatter(X[:,0], X[:,1], c=y, cmap='bwr')
plt.scatter(support_vectors[:,0], support_vectors[:,1], s=100, facecolors='none', edgecolors='k')
ax = plt.gca()
xlim = ax.get_xlim()
ylim = ax.get_ylim()

# Create grid to evaluate model
xx = np.linspace(xlim[0], xlim[1], 30)
yy = np.linspace(ylim[0], ylim[1], 30)
YY, XX = np.meshgrid(yy, xx)
xy = np.vstack([XX.ravel(), YY.ravel()]).T
Z = clf.decision_function(xy).reshape(XX.shape)

# Plot decision boundary and margins
ax.contour(XX, YY, Z, colors='k', levels=[-1, 0, 1], alpha=0.5, linestyles=['--', '-', '--'])
ax.set_xlim(xlim)
ax.set_ylim(ylim)

plt.show()

这段代码会生成一个SVM图，其中红色和蓝色的点表示不同类别的数据点，黑色的虚线表示决策边界，黑色实线表示边界平面。如果你要画不同的数据集，可以更改X和y的值。如果你要更改SVM的内核或C值，可以在clf = svm.SVC(kernel='linear', C=1.0)这一行中更改。