机器学习--支持向量机

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : 2017/8/1 21:58
# @Author  : banshaohuan
# @File    : SKLearnExample.py
# @Software: PyCharm

from sklearn import svm

x = [[2, 0], [1, 1], [2, 3]]
y = [0, 0, 1]   # 将上面的三个点进行分类，用0、1代表
clf = svm.SVC(kernel="linear")  # 方程SVC
clf.fit(x, y)   # 建立分类器模型，参数一：list，每一行代表一个实例；参数二：每一个实例所对应的label

print(clf)

print(clf.support_vectors_)     # support_vectors_：支持向量是哪几个

print(clf.support_)     # support_：支持向量点的下标

print(clf.n_support_)   # n_support_：分好的每个类中有几个支持向量

print(clf.predict([2, 0]))  # 对存在的点进行分类

难一点的

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : 2017/8/1 22:14
# @Author  : banshaohuan
# @File    : SKLearnExampleHard.py
# @Software: PyCharm

print(__doc__)

import numpy as np
import pylab as pl
from sklearn import svm

np.random.seed(0)   # 固定一下每次运行时随机产生的数不变
X = np.r_[np.random.randn(20, 2) - [2, 2], np.random.randn(20, 2) + [2, 2]]    # 随机产生一些点，让他们能够通过一条线分开
Y = [0] * 20 + [1] * 20

# 建立模型
clf = svm.SVC(kernel='linear')
clf.fit(X, Y)

w = clf.coef_[0]
a = -w[0] / w[1]    # 计算斜率
xx = np.linspace(-5, 5)    # 产生一些连续的x的值
yy = a * xx - (clf.intercept_[0]) / w[1]

b = clf.support_vectors_[0]
yy_down = a * xx + (b[1] - a * b[0])
b = clf.support_vectors_[-1]
yy_up = a * xx + (b[1] - a * b[0])

print('w: ', w)
print('a:',a)

print('support_vectors_: ', clf.support_vectors_)
print('coef_: ', clf.coef_)


pl.plot(xx, yy, 'k-')
pl.plot(xx, yy_down, 'k--')
pl.plot(xx, yy_up, 'k--')

pl.scatter(clf.support_vectors_[:, 0], clf.support_vectors_[:, 1], s=80, facecolors='none')

pl.scatter(X[:, 0], X[:, 1], c=Y, cmap=pl.cm.Paired)

pl.axis('tight')
pl.show()