Python 数据科学手册 5.7 支持向量机
5.7 支持向量机 支持向量机(SVM)是一种特别强大且灵活的监督算法,用于分类和回归。 在本节中,我们将探索支持向量机背后的直觉,及其在分类问题中的应用。 我们以标准导入开始: %matplotlib inline import numpy as np import matplotlib.pyplot as plt from scipy import stats # use seaborn plotting defaults import seaborn as sns; sns.set() 支持向量机的动机 作为贝叶斯分类讨论的一部分(见朴素贝叶斯分类),我们学习了一个简单模型,它描述每个底层类的分布,并使用这些生成模型,依概率确定新的点的标签。 这是生成分类的一个例子。 这里我们将考虑区分性分类:我们不对每个类进行建模,只需找到一条或两条直线(在两个维度上),或者流形(在多个维度上),将类彼此划分。 作为一个例子,考虑分类任务的简单情况,其中两个类别的点是良好分隔的: from sklearn.datasets.samples_generator import make_blobs...