热线电话:13121318867

登录
2019-06-24 阅读量: 505
什么数据适合支持向量机

适合支持向量机

现在我们将支持向量机分类器适用于这些点。虽然可能性模型的数学细节很有趣,但我们会在其他地方阅读。相反,我们只是将scikit-learn算法视为完成上述任务的黑盒子。

# import support vector classifier

from sklearn.svm import SVC # "Support Vector Classifier"

clf = SVC(kernel='linear')

# fitting x samples and y classes

clf.fit(x, y)

在拟合之后,该模型可用于预测新值:

clf.predict([[120, 990]])

clf.predict([[85, 550]])

我们来看看图表是如何显示的。

G1


这是通过分析所采集的数据和使用matplotlib函数制作最佳超平面的预处理方法而获得的。

19.6480
2
关注作者
收藏
评论(0)

发表评论

暂无数据
推荐帖子