关于python sklearn 中SVM分类的问题

Posted 2023-04-20

我的环境是python 3.6.3
我的代码：
from sklearn import svm

X = [[0, 0], [1, 1], [1, 0]]
y = [0, 1, 1]

clf = svm.SVC() # class
clf.fit(X, y)

result = clf.predict([2, 2])
print(result) # target

报错：
ValueError: Expected 2D array, got 1D array instead:array=[ 2. 2.].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

请问：1.到底啥问题？ 2.怎么写才对？

参考技术A 改成result = clf.predict([[2, 2]])

本回答被提问者采纳

机器学习SVM多分类问题及基于sklearn的Python代码实现

SVM多分类问题及Python代码实现

• 1. 什么是SVM？
• 2. SVM的分类
• 3. SVM决策函数类型
• 4. SVM多分类的Python代码实现
• 参考资料

1. 什么是SVM？

对于这个点已经介绍的非常多了，不管是西瓜书还是各种博客，就是需要找到一个超平面，用这个超平面把数据划分成两个类别，最开始的SVM就是在二分类的问题上应用，在之后被扩展到多类别的分类。对于SVM的推导公式不是很复杂，在此就不进行推导，大概清楚最基本的原理然后就进行应用就可以了。

如上图所示，我们就是要找到中间这条线，使得 ∣ ∣ w ∣ ∣ ||w||