弄懂SVM支持向量機的原理以后開始代碼演練：
具體的分類思想參考鏈接：https://www.cnblogs.com/Jack-Elvis/p/11274732.html
注釋的步驟很清楚了，不再贅述。
# 1 思想 分類器 # 2 如何？ 尋求一個最優的超平面 分類 # 3 核：line # 4 數據：樣本 # 5 訓練 SVM_create train predict # svm本質 尋求一個最優的超平面 分類 # svm 核: line # 身高體重 訓練 預測 import cv2 import numpy as np import matplotlib.pyplot as plt #1 准備data 准備兩個類樣本數據，分別為男生和女生的身高、體重 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 標簽（0和1）女生為0 男生為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 所有的數據都要有label # rand1 -- 0 女生; rand2 ---1 男生 # 監督學習 0 負樣本 1 正樣本 # 4 訓練 svm = cv2.ml.SVM_create() # ml 機器學習模塊 SVM_create() 創建 # 屬性設置 svm.setType(cv2.ml.SVM_C_SVC) # svm type svm.setKernel(cv2.ml.SVM_LINEAR) # line，線性 svm.setC(0.01) # 開始訓練 result = svm.train(data,cv2.ml.ROW_SAMPLE,label) # 開始預測 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)