0.库的导入

# 导入库
from sklearn.svm import SVC
from sklearn import datasets
from sklearn.preprocessing import StandardScaler
import numpy as np

1.加载Iris Flower 数据集

#Iris Flower 数据集有三个类别，这里只加载两个类别
iris = datasets.load_iris()
X = iris.data[:100,:]
y = iris.target[:100]

2.特征标准化

# 特征标准化
scaler = StandardScaler()
X_std = scaler.fit_transform(X)

3.训练支持向量分类器

# 创建支持向量分类器对象
svc = SVC(kernel='linear', random_state=0)

# 训练分类器
model = svc.fit(X_std, y)

4.查看支持向量

# 查看支持向量的值
model.support_vectors_

array([[-0.5810659 ,  0.43490123, -0.80621461, -0.50581312],
       [-1.52079513, -1.67626978, -1.08374115, -0.8607697 ],
       [-0.89430898, -1.46515268,  0.30389157,  0.38157832],
       [-0.5810659 , -1.25403558,  0.09574666,  0.55905661]])

5.查看支持向量的索引值

# 查看支持向量在所有数据点中的索引值
model.support_

array([23, 41, 57, 98])

6.查看每个类别的支持向量的个数

# 查看每个类别有几个支持向量，这里可以看到每个类别各有两个支持向量
model.n_support_

array([2, 2])

7.说明

翻译自Chris Albon的博客

原文地址