#coding=utf-8
#?@Author:?yangenneng
#?@Time:?2018-01-11?15:17
#?@Abstract：支持向量機?support?vector?machine

from?sklearn?import?svm
#?定義三個點
X?=?[[2?0]?[1?1]?[2?3]]
#?分類標記?用0，1代表兩類問題的分類
y?=?[0?0?1]
#?分類器?kernel和函數?用的是線性的?SVC（）就是支持向量機
clf=svm.SVC（kernel=‘linear‘）
#?X矩陣?每行一個實例?y?每個實例對應的class?lable（分類標記）
clf.fit（Xy）

#?分類器
print?（“‘clf:‘“clf）
#?哪幾個點是支持向量?（‘clf.support_vectors_:‘?array（[[?1.??1.][?2.??3.]]））??=>?[1?1]?[2?3]是支持向量
print?（“clf.support_vectors_:“clf.support_vectors_）
#?傳入的點中下標為多少的是支持向量?（‘clf.support_:‘?array（[1?2]））?=>?第二個、第三個是支持向量
print?（“clf.support_:“clf.support_）
#?有多少個點是支持向量?（‘clf.n_support_:‘?array（[1?1]））?=>?兩類每類里找出了一個支持向量
print?（“clf.n_support_:“clf.n_support_）

#?預測
print?clf.predict（[2?.0]）

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2018-01-21?16:38??SVM\
?????文件????????1016??2018-01-21?16:38??SVM\SVM1.py
?????文件????????1509??2018-01-21?16:38??SVM\SVM2.py
?????文件????????5356??2018-01-21?16:38??SVM\SVM_Face_recognition.py