SVM支持向量机，训练与分类的实现（有标签）

弄懂SVM支持向量机的原理以后开始代码演练：

具体的分类思想参考链接：https://www.cnblogs.com/Jack-Elvis/p/11274732.html

注释的步骤很清楚了，不再赘述。

# 1 思想 分类器 
# 2 如何？ 寻求一个最优的超平面 分类
# 3 核：line
# 4 数据：样本 
# 5 训练 SVM_create train predict # svm本质 寻求一个最优的超平面 分类 # svm 核: line # 身高体重 训练 预测 
import cv2 import numpy as np
import matplotlib.pyplot as plt
#1 准备data 准备两个类样本数据，分别为男生和女生的身高、体重
rand1 = np.array([[155,48],[159,50],[164,53],[168,56],[172,60]])
rand2 = np.array([[152,53],[156,55],[160,56],[172,64],[176,65]])  # 2 label 标签（0和1）女生为0 男生为1
label = np.array([[0],[0],[0],[0],[0],[1],[1],[1],[1],[1]])
 # 3 data
data = np.vstack((rand1,rand2))
data = np.array(data,dtype='float32')

# svm 所有的数据都要有label # rand1 -- 0 女生; rand2 ---1  男生
# 监督学习 0 负样本 1 正样本

# 4 训练
svm = cv2.ml.SVM_create() # ml 机器学习模块 SVM_create() 创建 # 属性设置
svm.setType(cv2.ml.SVM_C_SVC) # svm type
svm.setKernel(cv2.ml.SVM_LINEAR) # line，线性
svm.setC(0.01)
# 开始训练
result = svm.train(data,cv2.ml.ROW_SAMPLE,label)
# 开始预测
pt_data = np.vstack([[167,55],[162,57]]) #0 女生 1男生
pt_data = np.array(pt_data,dtype='float32')
print(pt_data)
(par1,par2) = svm.predict(pt_data)
print(par2)