高斯核代码
时间: 2023-07-02 19:18:49 浏览: 43
好的,以下是使用高斯核函数进行SVM分类的Python代码示例:
```python
import numpy as np
import matplotlib.pyplot as plt
from sklearn.svm import SVC
from sklearn.datasets import make_blobs
from sklearn.model_selection import train_test_split
# 生成样本数据
X, y = make_blobs(n_samples=100, centers=2, random_state=42)
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 定义SVM模型,并选择高斯核
svm = SVC(kernel='rbf', gamma=0.5, C=1.0)
# 训练SVM模型
svm.fit(X_train, y_train)
# 使用测试集评估模型的性能
accuracy = svm.score(X_test, y_test)
print('Accuracy:', accuracy)
# 可视化SVM分类结果
plt.scatter(X[:, 0], X[:, 1], c=y, s=50, cmap='autumn')
plt.scatter(X_test[:, 0], X_test[:, 1], c=svm.predict(X_test), s=100, cmap='coolwarm', marker='x')
plt.show()
```
这里使用`make_blobs`函数生成一个二分类问题的数据集,然后将数据集分为训练集和测试集。定义SVM模型时,使用了高斯核函数,并且设置了参数`gamma`和`C`。训练模型后,使用测试集评估模型的性能,并将SVM分类结果可视化。