import numpy as np
from sklearn import svm
x_train = nparray([[124, 127], [136, 174], [138, 164],
[138, 182], [138, 19], [14, 17],
[148, 182], [154, 182], [156, 208],#Af型蠓虫
[114, 182], [118, 196], [12, 186],
[126, 2], [128, 2], [13, 196]])#Apf型蠓虫
y_train = nparray([0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1])#Af型蠓虫标签为0,Apf型蠓虫标签为1
model = svmSVC(C=10, kernel='linear', degree=3, gamma='auto')#定义SVM模型
modelfit(x_train, y_train)#进行模型训练
x_test = nparray([[124, 18], [128, 184], [14, 204]])
y_test = modelpredict(x_test)
print("y_predict:", y_test)
w = modelcoef_
print("w:", w)
b = modelintercept_
print("b:", b)
你好,LIBSVM简介 [v5o#Vd
sH:Luo+]
支持向量机所涉及到的数学知识对一般的化学研究者来说是比较难的,自己编程实现该算法难度就更大了。但是现在的网络资源非常发达,而且国际上的科学研究者把他们的研究成果已经放在网络上,免费提供给用于研究目的,这样方便大多数的研究者,不必要花费大量的时间理解SVM算法的深奥数学原理和计算机程序设计。目前有关SVM计算的相关软件有很多,如LIBSVM、mySVM、SVMLight等,这些软件大部分的免费下载地址和简单介绍都可以在[url]
>
以上就是关于基于SVM技术的蠓虫分类问题全部的内容,包括:基于SVM技术的蠓虫分类问题、svm的输入和输出问题、等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)