使用支持向量机将二维数据三维化划分

本代码用于二维数据不能采用简单线性划分去做划分的情况，采用python，支持向量机方式实现，对数据进行二分类，并自动绘制出三维立体图像。内含数据集txt格式，可直接运行。

from numpy import *
import matplotlib.pyplot as plt
from matplotlib import cm
import mpl_toolkits.mplot3d
from sklearn import svm
from sklearn.model_selection import train_test_split

# 加载数据集
def loadDataSet（filename）:
    dataMat = []; labelMat = []
    fr = open（filename）
    for line in fr.readlines（）:
        lineArr = line.strip（）.split（‘\t‘）
        dataMat.append（[float（lineArr[0]） float（lineArr[1]）]）
        labelMat.append（float（lineArr[2]））
    return array（dataMat） array（labelMat）


if __name__ == “__main__“:
    data target = loadDataSet（“testSetRBF2.txt“）
    c_data = []
    for item in data:
        c_data.append（[item[0] ** 2 item[0] * item[1] item[1] ** 2]）
    c_data = array（c_data）

    index1 = where（target == 1）
    X1 = c_data[index1]
    index2 = where（target == -1）
    X2 = c_data[index2]


    cls = svm.LinearSVC（）
    cls.fit（c_data target）
    print（‘Coefficients:%s intercept %s‘ % （cls.coef_ cls.intercept_））

    w = cls.coef_[0]
    d = cls.intercept_[0]
    # w[0] * x + w[1] * y + w[2] * z + d = 0 ---- z =

    # 转换为三维空间
    ax = plt.figure（）.add_subplot（111 projection=‘3d‘）
    ax.scatter（X1[: 0] X1[: 1] X1[: 2] c=‘r‘ marker=‘o‘）
    ax.scatter（X2[: 0] X2[: 1] X2[: 2] c=‘b‘ marker=‘x‘）

    X = arange（0 0.4 0.1）
    Y = arange（-0.4 0.4 0.1）
    X Y = meshgrid（X Y）
    Z = （-d - w[0] * X - w[1] * Y） / w[2]
    ax.plot_surface（X Y Z rstride=1 cstride=1
                    cmap=cm.jet linewidth=0 antialiased=False）
    plt.show（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2151  2018-05-28 18:30  testSetRBF2.txt
     文件        1592  2018-05-28 20:41  testSetRBF2_Axes3D.py