用sklearn svm

实现SVM分类器

以下是使用sklearn库实现SVM分类器的基本步骤：

1.导入必要的库：sklearn库中的svm模块和numpy库。

from sklearn import svm
import numpy as np

2.准备数据集：使用numpy库创建一个包含特征值和标签的数据集。

X = np.array([[0, 0], [1, 1]])
y = np.array([0, 1])

3.定义模型：创建一个SVM分类器对象，并指定要使用的内核类型（例如，线性、多项式、高斯核等）。

clf = svm.SVC(kernel='linear', C=1)

4.训练模型：使用数据集训练SVM分类器。

clf.fit(X, y)

5.使用模型进行预测：使用训练好的SVM分类器对新数据进行分类。

print(clf.predict([[2., 2.]]))

完整代码如下：

from sklearn import svm
import numpy as np

# 准备数据集
X = np.array([[0, 0], [1, 1]])
y = np.array([0, 1])

# 定义模型
clf = svm.SVC(kernel='linear', C=1)

# 训练模型
clf.fit(X, y)

# 使用模型进行预测
print(clf.predict([[2., 2.]]))

输出结果为：

[1]

表示新数据点[2, 2]被分类为类别1。