代码:
from sklearn import svm
def testsvm():
t_d = [[1,1], [1,-1], [-1,-1], [-1, 1], [-0.0001, 0.0001], [0,0], [-1, -1.0001]]
y = [1,-1,1,1, 1, 1, -1]
clf = svm.SVC(kernel='linear', C=1)
clf.fit(t_d, y)
print clf.support_vectors_
print clf
结果是:
^{pr2}$但就我而言,支持向量应该是:
[[1,1]
[0,0]
[-1,-1]
[-1. -1.0001]]
如果边距彼此平行,[1,-1]不应该省略吗?在
我的代码有什么问题吗?如果是,请指出我。 非常感谢
你使用的
C
太小了,你没有得到你正在考虑的“硬边缘支持向量机”,而是一个“软”版本,它有更多的支持向量(不完全在“边缘边界”)。在设置
clf = svm.SVC(kernel='linear', C=100000000)
一切都会好起来的您可以使用http://scikit-learn.org/stable/auto_examples/svm/plot_svm_margin.html中的代码来研究分隔超平面的确切位置和边距大小。在
相关问题 更多 >
编程相关推荐