smo data

svm

# 生成测试数据，训练样本
X_train, y = make_blobs(n_samples = 1000, centers =2, n_features=2, random_state = 2)
# StandardScaler()以及fit_transfrom函数的作用需要解释一下
scaler = StandardScaler()   #数据预处理，使得经过处理的数据符合正态分布，即均值为0，标准差为1
X_train_scaled = scaler.fit_transform(X_train, y)
y[y == 0] = -1

# 将训练数据绘制出来
fig, ax = plt.subplots()
ax.scatter(X_train_scaled[:, 0], X_train_scaled[:, 1],
					c=y, cmap=plt.cm.viridis, lw=0, alpha =0.25)
plt.show()