SVM支持向量机(下）

SVR 处理回归问题

from sklearn.svm import SVR
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0.000000001,3,50)
y = 3 *x +6 + np.random.randn(50)
plt.scatter(x,y)
x1 = x.reshape(-1,1)
y1 = y.reshape(-1,1)
svr_linear = SVR(kernel='linear', C=100)
svr_linear.fit(x1, y1)
x_pred = np.linspace(0,4,50).reshape(-1,1)
y_pred = svr_linear.predict(x_pred)
plt.plot(x_pred,y_pred)
plt.show()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
 

svr主要的核函数

• Polynomial Kernel 多项式核
• RBF Kernel 高斯核
• 'Linear Kernel 线性核

探究不同的核函数处理的不同场景，先上代码

import numpy as np
from sklearn import svm
import matplotlib.pyplot as plt


if __name__ == "__ma
  

 

  
1
  
2
  
3
  
4
  
5
 

文章来源: maoli.blog.csdn.net，作者：刘润森！，版权归原作者所有，如需转载，请联系作者。

原文链接：maoli.blog.csdn.net/article/details/89024478