支持向量中核函数的作用
时间: 2023-12-13 18:33:02 浏览: 32
支持向量机中的核函数是一种将数据从原始空间映射到高维特征空间的函数,它可以将线性不可分的数据在高维空间中变得线性可分。在支持向量机中,核函数的作用是将输入数据映射到高维空间,使得数据在高维空间中更容易被分离。常用的核函数有线性核函数、多项式核函数、高斯核函数等。
以下是一个使用高斯核函数的支持向量机的例子:
```python
from sklearn import datasets
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
# 加载数据集
iris = datasets.load_iris()
X = iris["data"][:, (2, 3)] # petal length, petal width
y = iris["target"]
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)
# 构建SVM模型
svm_clf = Pipeline([
("scaler", StandardScaler()),
("svm_clf", SVC(kernel="rbf", gamma=0.1, C=1))
])
svm_clf.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = svm_clf.predict(X_test)
```