python不用库实现svm算法

可以使用Python中的NumPy和SciPy库实现SVM算法。以下是一个简单的实现：

import numpy as np

class SVM:
    def __init__(self, C=1):
        self.C = C
        self.kernel = self.linear_kernel
        self.b = 0

    def fit(self, X, y):
        n_samples, n_features = X.shape
        self.alpha = np.zeros(n_samples)
        self.K = np.zeros((n_samples, n_samples))
        for i in range(n_samples):
            self.K[:, i] = self.kernel(X, X[i])
        for epoch in range(10000):
            for i in range(n_samples):
                if (y[i] * self.g(x[i])) < 1:
                    self.alpha[i] += self.C
                else:
                    self.alpha[i] -= self.C
                self.alpha[i] = np.clip(self.alpha[i], 0, None)
            if (np.abs(np.sum(self.alpha) - alpha_old) < 0.00001):
                break
            alpha_old = np.sum(self.alpha)
        self.b = np.mean(y - np.sum(self.alpha * y * self.K.T, axis=1))

    def predict(self, X):
        return np.sign(np.sum(self.alpha * self.kernel(X, self.X_train)) + self.b)

    def linear_kernel(self, x1, x2):
        return np.dot(x1, x2)

    def g(self, x):
        return np.sum(self.alpha * self.K[:, i]) + self.b

这个实现是一个基于SMO算法的二分类SVM。其中，`fit`是用于训练模型的方法，`predict`是用于预测的方法，`linear_kernel`是线性核函数，`g`是SVM的决策函数。