實現支持向量

Question

import sklearn 
import numpy 
from sklearn.svm import SVC 
f=open ('svm_data','r') 
X=[] 
y=[] 
for line in f: 
comps=line.strip().split('\t') 
x=[float(comps[0]),float(comps[1])] 
Y=float(comps[2]) 
X.append(x) 
y.append(y) 
X=numpy.asarray(X) 
Y=numpy.asarray(Y) 

如何找到這個problem.How使用RBF，線性和程度的多項式分別獲得3粒給定的數據

Answer 1

你沒有訓練什麼的許多支持向量的支持ectors在你的代碼中，支持向量的數量和性質取決於數據和參數。

如果你訓練的分類項/迴歸，你可以讓他們：

sv = clf.support_vectors_ 

如docs概述。

它是一個形狀爲[n_SV, n_features]的數組。

完整的示例從文檔：

import numpy as np 
X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]]) 
y = np.array([1, 1, 2, 2]) 
from sklearn.svm import SVC 
clf = SVC() 
clf.fit(X, y) 

print(clf.support_vectors_)