0.庫的導入
# 導入庫
from sklearn.svm import SVC
from sklearn import datasets
from sklearn.preprocessing import StandardScaler
import numpy as np
1.加載Iris Flower 數據集
#Iris Flower 數據集有三個類別,這裏只加載兩個類別
iris = datasets.load_iris()
X = iris.data[:100,:]
y = iris.target[:100]
2.特徵標準化
# 特徵標準化
scaler = StandardScaler()
X_std = scaler.fit_transform(X)
3.訓練支持向量分類器
# 創建支持向量分類器對象
svc = SVC(kernel='linear', random_state=0)
# 訓練分類器
model = svc.fit(X_std, y)
4.查看支持向量
# 查看支持向量的值
model.support_vectors_
array([[-0.5810659 , 0.43490123, -0.80621461, -0.50581312],
[-1.52079513, -1.67626978, -1.08374115, -0.8607697 ],
[-0.89430898, -1.46515268, 0.30389157, 0.38157832],
[-0.5810659 , -1.25403558, 0.09574666, 0.55905661]])
5.查看支持向量的索引值
# 查看支持向量在所有數據點中的索引值
model.support_
array([23, 41, 57, 98])
6.查看每個類別的支持向量的個數
# 查看每個類別有幾個支持向量,這裏可以看到每個類別各有兩個支持向量
model.n_support_
array([2, 2])
7.說明
翻譯自Chris Albon的博客