sklearn调用SVM算法
1、支撑向量机SVM是一种非常重要和广泛的机器学习算法，它的算法出发点是尽可能找到最优的决策边界，使得模型的泛化能力尽可能地好，因此SVM对未来数据的预测也是更加准确的。 2、SVM既可以解决分类问题，又可以解决回归问题，原理整体相似，不过也稍有不同。 在sklearn章调用SVM算法的代码实现如下所示： #（一）sklearn中利用SVM算法解决分类问题 import numpy as np import matplotlib.pyplot as plt from sklearn import datasets d=datasets.load_iris() x=d.data y=d.target x=x[y<2,:2] y=y[y<2] print(x) print(y) plt.figure() plt.scatter(x[y==0,0],x[y==0,1],color="r") plt.scatter(x[y==1,0],x[y==1,1],color="g") plt.show() #进行数据据标准化处理（线性方式） from sklearn.preprocessing import StandardScaler s1=StandardScaler() s1.fit(x) x_standard=s1.transform(x) print(np.hstack([x,x