python 机器学习 支持向量机 线性可分

#coding=utf-8


#一个简单的
# from sklearn import svm
# 
# x = [[2,0],[1,1],[2,3]]
# y = [0,0,1]
# clf = svm.SVC(kernel='linear')
# clf.fit(x,y)
# 
# print(clf)
# print(clf.support_vectors_)#支持向量机的是哪几个点
# print(clf.n_support_)#上面支持向量机与下面支持向量机各有几个点
# print(clf.predict([[2.,0.]]))#预测一下2,0在上面还是在下面


import numpy as np
import pylab as pl
from sklearn import svm


#每次抓取都是一样的一些点
np.random.seed(0)
#20个点  每个点都是二维的  均值是2 方差也是2 减法代表靠下方  同理分析右边
X = np.r_[np.random.randn(20,2) - [2,2],np.random.randn(20,2) + [2,2]]
Y = [0] *20 +[1]*20


#建立模型
clf = svm.SVC(kernel='linear')
clf.fit(X,Y)


#获取w
w = clf.coef_[0]
#计算斜率
a = -w[0]/w[1]
#产生-5 -4 -3 -2 -1.。。。
xx = np.linspace(-5, 5)
#根据截距，斜率算y值
yy = a*xx-(clf.intercept_[0])/w[1]


#画分界线
b = clf.support_vectors_[0]
yy_down = a*xx+(b[1] - a*b[0])
b = clf.support_vectors_[-1]#取最后一个值
yy_up = a*xx + (b[1] - a*b[0])


print("w:",w)
print("a:",a)
print("support_vectors_:",clf.support_vectors_)
print("clf.coef_:",clf.coef_)


#画中间的线 左下角，右上角的线条 
pl.plot(xx,yy,'k-')
pl.plot(xx,yy_down,'k--')
pl.plot(xx,yy_up,'k--')
#把那些点标出来
pl.scatter(clf.support_vectors_[:,0],clf.support_vectors_[:,1],s=80,facecolors='none')
pl.scatter(X[:,0],X[:,1],c=Y)
pl.axis('tight')
pl.show()