SVM支持向量机,训练与分类的实现(有标签)
Posted jack-elvis
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了SVM支持向量机,训练与分类的实现(有标签)相关的知识,希望对你有一定的参考价值。
弄懂SVM支持向量机的原理以后开始代码演练:
具体的分类思想,注释的很清楚了。
# 1 思想 分类器 # 2 如何? 寻求一个最优的超平面 分类 # 3 核:line # 4 数据:样本 # 5 训练 SVM_create train predict # svm本质 寻求一个最优的超平面 分类 # svm 核: line # 身高体重 训练 预测 import cv2 import numpy as np import matplotlib.pyplot as plt #1 准备data 准备两个类样本数据,男生女生的身高和体重 rand1 = np.array([[155,48],[159,50],[164,53],[168,56],[172,60]]) rand2 = np.array([[152,53],[156,55],[160,56],[172,64],[176,65]]) # 2 label 标签(0和1) label = np.array([[0],[0],[0],[0],[0],[1],[1],[1],[1],[1]]) # 3 data data = np.vstack((rand1,rand2)) data = np.array(data,dtype=‘float32‘) # svm 所有的数据都要有label # [155,48] -- 0 女生 [152,53] ---1 男生 # 监督学习 0 负样本 1 正样本 # 4 训练 svm = cv2.ml.SVM_create() # ml 机器学习模块 SVM_create() 创建 # 属性设置 svm.setType(cv2.ml.SVM_C_SVC) # svm type svm.setKernel(cv2.ml.SVM_LINEAR) # line svm.setC(0.01) # 训练 result = svm.train(data,cv2.ml.ROW_SAMPLE,label) # 预测 pt_data = np.vstack([[167,55],[162,57]]) #0 女生 1男生 pt_data = np.array(pt_data,dtype=‘float32‘) print(pt_data) (par1,par2) = svm.predict(pt_data) print(par2)
以上是关于SVM支持向量机,训练与分类的实现(有标签)的主要内容,如果未能解决你的问题,请参考以下文章