ملاحظة
Go to the end to download the full example code. or to run this example in your browser via JupyterLite or Binder
SVM مع نواة مخصصة#
استخدام بسيط لآلة المتجهات الداعمة لتصنيف عينة. سيقوم برسم سطح القرار وناقلات الدعم.

# المؤلفون: مطوري سكايلرن
# معرف الترخيص: BSD-3-Clause
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, svm
from sklearn.inspection import DecisionBoundaryDisplay
# استيراد بعض البيانات للتجربة
iris = datasets.load_iris()
X = iris.data[:, :2] # نأخذ فقط الخاصيتين الأوليين. يمكننا
# تجنب هذا التقطيع غير الجذاب باستخدام مجموعة بيانات ثنائية الأبعاد
Y = iris.target
def my_kernel(X, Y):
"""
ننشئ نواة مخصصة:
(2 0)
k(X, Y) = X ( ) Y.T
(0 1)
"""
M = np.array([[2, 0], [0, 1.0]])
return np.dot(np.dot(X, M), Y.T)
h = 0.02 # حجم الخطوة في الشبكة
# ننشئ مثالاً لآلة المتجهات الداعمة ونقوم بضبط البيانات.
clf = svm.SVC(kernel=my_kernel)
clf.fit(X, Y)
ax = plt.gca()
DecisionBoundaryDisplay.from_estimator(
clf,
X,
cmap=plt.cm.Paired,
ax=ax,
response_method="predict",
plot_method="pcolormesh",
shading="auto",
)
# رسم نقاط التدريب أيضاً
plt.scatter(X[:, 0], X[:, 1], c=Y, cmap=plt.cm.Paired, edgecolors="k")
plt.title("تصنيف من 3 فئات باستخدام آلة المتجهات الداعمة مع نواة مخصصة")
plt.axis("tight")
plt.show()
Total running time of the script: (0 minutes 0.104 seconds)
Related examples

رسم مخططات لمصنفات SVM المختلفة في مجموعة بيانات الزهرة
رسم مخططات لمصنفات SVM المختلفة في مجموعة بيانات الزهرة