python支持向量机例子

以下是一个使用Python实现支持向量机的简单例子：

from sklearn import svm
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

# 生成一些随机的数据点
X, y = make_blobs(n_samples=100, centers=2, random_state=6)

# 实例化SVM分类器，并拟合数据
clf = svm.SVC(kernel='linear', C=1000)
clf.fit(X, y)

# 绘制数据点和决策边界
plt.scatter(X[:, 0], X[:, 1], c=y, s=30, cmap=plt.cm.Paired)
plt.axis('tight')

# 获取x轴的上下限
xlim = plt.xlim()
ylim = plt.ylim()

# 生成网格点
xx, yy = np.meshgrid(np.linspace(xlim[0], xlim[1], 200), np.linspace(ylim[0], ylim[1], 200))
Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])

# 将预测结果绘制为彩色区域
Z = Z.reshape(xx.shape)
plt.contourf(xx, yy, Z, cmap=plt.cm.Paired, alpha=0.3)

plt.show()

这个例子生成了一些随机的数据点，并使用SVM进行分类。我们使用线性核，并且设置正则化参数C为1000。最后，我们绘制了数据点和决策边界。