用svc对make_blobs数据集分析后的数据格式

from sklearn.datasets import make_blobs

from sklearn.svm import LinearSVC
x,y=make_blobs(random_state=60)
linear_svm=LinearSVC().fit(x,y)
print(linear_svm.shape)


1.数据维度：变量linear_svm无shape属性
2.数据格式：<class 'sklearn.svm.classes.LinearSVC'>
3.数据打印结果：

LinearSVC(C=1.0, class_weight=None, dual=True, fit_intercept=True,
intercept_scaling=1, loss='squared_hinge', max_iter=1000,
multi_class='ovr', penalty='l2', random_state=None, tol=0.0001,
verbose=0)

4.make_blobs数据集中的x是二维数组，特征，可以通过重采样reshape(-1,n)/这里的n是指数组特征多少来判断，可以将dataframe转化为array，y是一维数组，是特征值，自己喂的数据也要通过
df['sign'].values的方式，将series转化为array格式才可以放入到这些机器学习模型当中。

5.系数，截距维度：通过svm的调用，make_blobs的数据集形成的coef_的数据维度为（3，2），截距为（3，）
6.系数，截距的数据格式：<class 'numpy.ndarray'>
7.系数，截距的打印结果：

[[-0.31671464 -0.32422271]
[-0.143518 0.60335382]
[ 0.99715026 -0.05455025]]

 

[-1.67458151 -0.61631949  0.75815501]