ML之SVM：随机产生100个点，建立SVM模型，找出超平面方程

ML之SVM：随机产生100个点，建立SVM模型，找出超平面方程

目录

实现结果

代码实例

实现结果

代码实例

  

   

    

     

    
    

     

      import numpy as np
     
    
   

    

     

    
    

     

      import pylab as pl 
     
    
   

    

     

    
    

     

      from sklearn import svm
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      X = np.r_[np.random.randn(100, 2) - [2, 2], np.random.randn(100, 2) + [2, 2]]  
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      Y = [0]*100 +[1]*100  
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      clf = svm.SVC(kernel='linear')
     
    
   

    

     

    
    

     

      clf.fit(X, Y)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      w = clf.coef_[0]  
     
    
   

    

     

    
    

     

      a = -w[0]/w[1] 
     
    
   

    

     

    
    

     

      xx = np.linspace(-5, 5)  
     
    
   

    

     

    
    

     

      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 "xx: ", xx
     
    
   

    

     

    
    

     

      # print "yy: ", yy
     
    
   

    

     

    
    

     

      print ("support_vectors_: ", clf.support_vectors_)
     
    
   

    

     

    
    

     

      print ("clf.coef_: ", clf.coef_)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # plot the line, the points, and the nearest vectors to the plane
     
    
   

    

     

    
    

     

      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()  
     
    
  
 

相关文章
ML之SVM：随机产生100个点，建立SVM模型，找出超平面方程

文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：yunyaniu.blog.csdn.net/article/details/80014517