今天晚上有點惱火，花60大洋買了一本書，越來越替某些出書的作者擔憂（真想說一句，閉上你TM的那張臭嘴，別用良心去轉版權費），寫的真的是太糟糕了…….不知到是什麼支撐它寫下去的。不說了，回到上面的內容。

但還是要說幾點注意事項： （1）支援向量機它輸出的不是分類概率，而是一個分類

如果y>0 ,則是正分類，反之是負分類

看完理論，感覺非常全面和複雜，但是，我們終究要回到應用上，也不用重複造輪子，我們直接使用sklearn庫，它已經幫我們封裝好了。svm可以解決兩類問題：分類，迴歸

（1）分類 注：使用了SVC

import numpy as np
from sklearn import
 
 svm

X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
y = np.array([1, 1, 2, 2])
clt = svm.SVC()
clt.fit(X, y)

print clt.predict([[-0.8, -1]])
# /usr/bin/python2.7 /home/SVM/SVM.py
# [1]
# Process finished with exit code 0

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

(2)迴歸

其實sklearn 已經分裝的特別好，這裡對於迴歸呼叫了不同給的核，使用改了SVR,

from sklearn import
 
 svm
X = [[0, 0], [2, 2]]
y = [0.5, 2.5]
clf = svm.SVR()
clf.fit(X, y)
print clf.predict([[1, 1]])

# [ 1.5]

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8