投资学习第12天--SVM机器学习
SVM分为线性可分和线性不可分
线性可分为2维平面的，线性不可分，可以将其上升到高平面，加一个z轴，可以采用一些核函数如：高斯核，让距离中间的点越近的点上升到更高层面，边缘的点到更矮的层面
核函数还有：拉普拉斯核等
用python去搭建一个模型，可以导入libsvm
第一个参数是标签，后面的参数是具体的xy的向量
Y,X=svm_read_problem(circleData)
#训练参数就是条件方程的各个参数
arg = ‘-t’ #代表高斯核函数
#训练得到模型
m = svm_train(Y,X,arg)#变量加上核函数去训练得到m模型
#保存模型
svm_save_model(r‘mod’.text,m)
#预测结果
#用的是训练集的数据做预测
svm_predict(Y,X,m)