sklearn学习——SVM

支持向量机 (SVMs) 可用于以下监督学习算法 classification（分类）, regression（回归） and outliers detection（异常检测）。
一、分类Classify
官方文档代码;

#导入模块from sklearn import svm#[n_samples, n_features] 大小的数组 X 作为训练样本X = [[0, 0], [1, 1]]#[n_samples] 大小的数组 y 作为类别标签y = [0, 1]#创建clf = svm.SVC()#拟合clf.fit(X, y) #预测,传入features_testclf.predict([[2., 2.]])#输出array([1])

2、多元分类

X = [[0], [1], [2], [3]]Y = [0, 1, 2, 3]clf = svm.SVC(decision_function_shape='ovo')clf.fit(X, Y) dec = clf.decision_function([[1]])dec.shape[1] # 4 classes: 4*3/2 = 6#输出6clf.decision_function_shape = "ovr"dec = clf.decision_function([[1]])dec.shape[1] # 4 classes#输出4