非線性支持向量機?

本案例是使用帶有RBF核的非線性SVC執行二分類任務。預測目標是輸入的XOR數據。顏色圖說明了SVC學習的決策功能。

（譯者注：XOR是Exclusive-OR gate，是異或門的簡稱，是又數字邏輯中實現邏輯異或的邏輯門。XOR邏輯下的矩陣常被用于數據科學類教學，詳情可查看代碼中Y的結構）

輸入：

print(__doc__)

import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm

xx, yy = np.meshgrid(np.linspace(-3, 3, 500),
                     np.linspace(-3, 3, 500))
np.random.seed(0)
X = np.random.randn(300, 2)
Y = np.logical_xor(X[:, 0] > 0, X[:, 1] > 0)

#（譯者注：可以在這里通過顯示Y來查看什么是XOR數據）

# 擬合模型
clf = svm.NuSVC(gamma='auto')
clf.fit(X, Y)

# 在網格上為每個數據點繪制決策函數
Z = clf.decision_function(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)

plt.imshow(Z, interpolation='nearest',
           extent=(xx.min(), xx.max(), yy.min(), yy.max()), aspect='auto',
           origin='lower', cmap=plt.cm.PuOr_r)
contours = plt.contour(xx, yy, Z, levels=[0], linewidths=2,
                       linestyles='dashed')
plt.scatter(X[:, 0], X[:, 1], s=30, c=Y, cmap=plt.cm.Paired,
            edgecolors='k')
plt.xticks(())
plt.yticks(())
plt.axis([-3, 3, -3, 3])
plt.show()

腳本的總運行時間：0分1.392秒。