代碼來(lái)自：
https://scikit-learn.org/stable/auto_examples/svm/plot_svm_nonlinear.html#sphx-glr-auto-examples-svm-plot-svm-nonlinear-py
代碼如下：

# -*- coding: utf-8 -*- import sys reload(sys) sys.setdefaultencoding('utf-8')print(__doc__)import numpy as np import matplotlib.pyplot as plt from sklearn import svmxx, 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)# fit the model clf = svm.NuSVC() clf.fit(X, Y)# plot the decision function for each datapoint on the grid 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,linetypes='--') 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()

官網(wǎng)為什么說(shuō)它是抑或操作呢？

我們來(lái)看下面兩張圖：


其實(shí)這個(gè)算法的大致意思是，搞了兩個(gè)分界線(xiàn)（上面兩個(gè)圖的紅色曲線(xiàn)）
如果被兩個(gè)分界線(xiàn)同時(shí)判定為０類(lèi)，那么０⊕０＝０，那么類(lèi)別就是黃色區(qū)域
如果被兩個(gè)分界線(xiàn)分別判定為０類(lèi)和１類(lèi)，那么０⊕１＝１，那么類(lèi)別就是藍(lán)色區(qū)域.

同樣地，也可以使用決策樹(shù)，做兩個(gè)決策樹(shù)，然后組裝起來(lái)．

總結(jié)

以上是生活随笔為你收集整理的nuSVC的使用和解读的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。