支持向量机SVM python源代码

import numpy as np
import pylab as pl
from sklearn import svm

# we create 40 separable points
X = np.r_[np.random.randn（20 2） - [2 2] np.random.randn（20 2） + [2 2]]
Y = [0]*20 +[1]*20

#fit the model
clf = svm.SVC（kernel=‘linear‘）
clf.fit（X Y）

# get the separating hyperplane
w = clf.coef_[0]
a = -w[0]/w[1]
xx = np.linspace（-5 5）
yy = a*xx - （clf.intercept_[0]）/w[1]

# plot the parallels to the separating hyperplane that pass through the support vectors
b = clf.support_vectors_[0]
yy_down = a*xx + （b[1] - a*b[0]）
b = clf.support_vectors_[-1]
yy_up = a*xx + （b[1] - a*b[0]）

print “w: “ w
print “a: “ a

# print “xx: “