SVM机器学习实战2（包含训练数据）

上一篇简单的用sklearn里面的SVM训练数据，本次按照机器学习实战里面的简易版的SMO来训练数据。 详细代码如下：

import numpy as np

import matplotlib.pyplot as plt

from sklearn.utils import check_random_state

from sklearn import datasets

#load data

def loadData():

iris = datasets.load_iris()

rng = check_random_state(42)

perm = rng.permutation(iris.target.size)

iris_data = iris.data[perm]

data = []

for i in iris_data:

data.append(i[:2])#选择前两个特征作为本次训练的基本特征

iris_target = iris.target[perm]

#将label分为+1（'Iris-setosa'） 和 -1（'Iris-versicolor'和'Iris-virginica'）

iris_target = np.where((iris_target == 1) |(iris_target == 2), -1, 1)

return data, iris_target

#随机选择一个alpha

def selectJrand(i, m):

j = i

while j == i:

j = int(np.random.uniform(0, m))

return j