最大间隔分离平面python 代码
时间: 2023-07-10 19:32:56 浏览: 124
可以使用sklearn库中的SVM(支持向量机)模型来实现最大间隔分离平面的python代码,具体实现步骤如下:
1. 导入需要的库
```python
from sklearn import svm
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
```
2. 生成随机数据
```python
X, y = make_blobs(n_samples=50, centers=2, random_state=6)
```
3. 训练SVM模型
```python
clf = svm.SVC(kernel='linear', C=1000)
clf.fit(X, y)
```
4. 可视化结果
```python
plt.scatter(X[:, 0], X[:, 1], c=y, s=30, cmap=plt.cm.Paired)
# plot the decision function
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=['--', '-', '--'])
# plot support vectors
ax.scatter(clf.support_vectors_[:, 0], clf.support_vectors_[:, 1], s=100,
linewidth=1, facecolors='none', edgecolors='k')
plt.show()
```
运行代码后,会得到一个图像,其中黄色和紫色的点表示两个类别的数据点,黑色的实线为最大间隔分离平面,黑色的虚线为支持向量,即距离最大间隔分离平面最近的数据点。
注意:上述代码中的C参数是SVM模型的正则化参数,如果C越大,模型的复杂度就越高,可以更好地拟合训练数据,但可能会导致过拟合。
阅读全文