#encoding=utf-8
import?numpy?as?np
import?matplotlib.pyplot?as?plt
from?sklearn?import?svm
from?sklearn.datasets?import?make_blobs

“““
--------獲取數據--------
隨機生成40個獨立的點，一共有兩類
X數據格式[[6.37734541?-10.61510727][6.50072722?-3.82403586]...]
Y數據格式[1?0?1?0?1?...1?0?1]???0和1代表類別
“““
Xy?=?make_blobs（n_samples=40centers=2random_state=6）???#隨機生成2類數據，一共含40個樣本
“““
print?X
print?y
“““

“““
--------訓練SVM模型--------
kernel=‘linear‘?核函數選擇Linear核，主要用于線性可分的情形。參數少，速度快。
C=1000?懲罰參數，C越大，相當于懲罰松弛變量，希望松弛變量接近0，即對誤分類的懲罰增大，
趨向于對訓練集全分對的情況，這樣對訓練集測試時準確率很高，但泛化能力弱。C值小，對誤分類的懲罰減小，允許容錯，
將他們當成噪聲點，泛化能力較強。
“““
clf?=?svm.SVC（kernel=‘linear‘C=1000）????#SVC時SVM的一種Type是用來做分類的
clf.fit（Xy）??????#喂給模型數據，進行訓練
print（“模型參數W:“clf.coef_?）???#模型參數W
print（“模型參數b:“clf.intercept_?）??#模型參數b
print（“支持向量為：“clf.support_vectors_?）?#輸出支持向量
xpredict?=?[10-10]
xpredict?=?np.array（xpredict）.reshape（1-1）???#sklearn?0.17版本之后需要這條語句，之前版本直接傳入xpre