支持向量机python线性
时间: 2023-10-05 21:12:56 浏览: 34
在Python中,可以使用scikit-learn库来实现支持向量机(SVM)算法。以下是一个简单的线性SVM分类器的示例代码:
```python
from sklearn import svm
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
# 生成一些随机的数据用于训练模型
X, y = make_blobs(n_samples=50, centers=2, random_state=6)
# 创建一个线性SVM分类器
clf = svm.SVC(kernel='linear', C=1000)
# 在训练数据上训练模型
clf.fit(X, y)
# 画出训练数据的散点图
plt.scatter(X[:, 0], X[:, 1], c=y, s=30, cmap=plt.cm.Paired)
# 画出SVM分类器的决策边界
ax = plt.gca()
xlim = ax.get_xlim()
ylim = ax.get_ylim()
# 创建一个网格用于绘制决策边界
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)
# 绘制决策边界和间隔边界
ax.contour(XX, YY, Z, colors='k', levels=[-1, 0, 1], alpha=0.5,
linestyles=['--', '-', '--'])
ax.scatter(clf.support_vectors_[:, 0], clf.support_vectors_[:, 1], s=100,
linewidth=1, facecolors='none', edgecolors='k')
plt.show()
```
该代码将生成两个随机的数据集,并使用线性SVM分类器对它们进行分类。最后,它将绘制出训练数据的散点图以及SVM分类器的决策边界。