支持向量机（SVM）算法的Python实现

最新推荐文章于 2024-06-11 10:08:55 发布

原创

最新推荐文章于 2024-06-11 10:08:55 发布 · 5.1k 阅读

标签

#机器学习 #python #算法

收录于

本文介绍了如何使用Python实现支持向量机（SVM）算法，是机器学习领域的一种重要方法。详细内容可在提供的GitHub链接中查看。

支持向量机（SVM）算法的Python实现

更多机器学习算法的实现，详见 https://github.com/WiseDoge/ML-by-Python

import numpy as np


class SVC(object):
    """
    支持向量机(Support Vector Machine)二分类器, 默认的核函数是
    多项式函数。
    使用时，正类用1表示，负类用-1表示。
    如果有必要，可自行编写新的核函数。
    """

    def __init__(self, C, e=0.3, kernel='poly'):
        '''
        :param C: 常数C，用来控制非线性部分的权重
        :param e: 误差，做为训练停止的条件
        :param kernel: 核函数，默认为多项式函数
        '''
        self.kernel = self.poly_kern
        self.e = e
        self.C = C
        self.bias = 0

    def poly_kern(self, x, z, p=1):
        '''
        :param x: 第一个向量
        :param z: 第二个向量
        :param p: 指数，默认为1，代表线性。
        :return: (np.dot(x, z) + 1) ** p
        '''
        return (np.dot(x, z) + 1) ** p

    def fit(self, train_x, train_y):
        '''
        :param train_x: 训练集X
        :param train_y: 训练集Y
        :return: None
        拟合SVM
        '''
        self.train_x = train_x