Python3中的支持向量机SVM的使用(有实例)
https://www.cnblogs.com/luyaoblog/p/6775342.html
首先,我们需要安装scikit-learn
一、导入sklearn算法包
在python中导入scikit-learn的方法:
scikit-learn里面已经实现了基本上所有基本机器学习的算法,具体的使用方法详见官方文档说明,http://scikit-learn.org/stable/auto_examples/index.html#support-vector-machines
scikit-learn中集成了许多算法,其导入包的方法如下所示:
逻辑回归:from sklearn.linear_model import LogisticRegression
朴素贝叶斯:from sklearn.naive_bayes import GaussianNB
K-近邻:from sklearn.neighbors import KNeighborsClassifier
决策树:from sklearn.tree import DecisionTreeClassifier
支持向量机:from sklearn import svm
二、sklearn中svc的使用
(1)使用numpy中的loadtxt读入数据文件
loadtxt()的使用方法:
def loadtxt(fname, dtype=float, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None):
fname:文件路径。eg:"G:\\SVM_Study\\iris.txt"
dtype:数据类型,如float,str等
delimiter:分隔符。eg','
converters:将数据列与转换函数进行映射的字典。如:{1:fun}含义是将第二列对应转换函数进行转换。
usecols:选取数据的列。
以iris兰花数据集为例子:
由于UCI数据库中下载的Iris原始数据集的样子是这样的,前四列为特征列,第五列为类别列,分别有三种类别:Iris-setosa,Iris-versicolor,Iris-virginica
当使用numpy中的loadtxt函数导入该数据集时,假设数据类型dtype为浮点型,但是很明显第五列的数据类型并不是浮点型。
因此我们要二外做一个工作,即通过loadtxt()函数中的converters参数将第五列通过转换函数映射成浮点类型的数据。
首先,我们要写一个转换函数:
def iris_type(s): it = {b'Iris-setosa': 0, b'Iris-versicolor': 1, b'Iris-virginica': 2} return it[s]
接下来,我们读入数据,convetters={4:iris_type}中“4”指的是第五列。
textPath = "G:\\SVM_Study\\iris.txt" data = np.loadtxt(textPath, dtype=float, delimiter=',', converters={4: iris_type}) print(data)
读入结果:
将Iris分为训练集和测试集
完整代码
from sklearn import svm import numpy as np from sklearn.model_selection import train_test_split import matplotlib.pyplot as plt import matplotlib as mpl def iris_type(s): it = {b'Iris-setosa': 0, b'Iris-versicolor': 1, b'Iris-virginica': 2} return it[s] def show_accuracy(a, b, tip): acc = a.ravel() == b.ravel() print(tip + "正确率:", np.mean(acc)) textPath = "G:\\SVM_Study\\iris.txt" data = np.loadtxt(textPath, dtype=float, delimiter=',', converters={4: iris_type}) print(data) x, y = np.split(data, (4,), axis=1) print("y") print(y) # 所有行的前两列 x = x[:, :2] print("x") print(x) x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1, train_size=0.6, test_size=0.4) # 1. split(数据,分割位置,轴=1(水平分割) or 0(垂直分割))。 # 2. x = x[:, :2]是为方便后期画图更直观,故只取了前两列特征值向量训练。 # 3. sklearn.model_selection.train_test_split随机划分训练集与测试集。train_test_split(train_data,train_target,test_size=数字, random_state=0) # 参数解释: # train_data:所要划分的样本特征集 # train_target:所要划分的样本结果 # test_size:样本占比,如果是整数的话就是样本的数量 # random_state:是随机数的种子。 # 随机数种子:其实就是该组随机数的编号,在需要重复试验的时候,保证得到一组一样的随机数。比如你每次都填1,其他参数一样的情况下你得到的随机数组是一样的。但填0或不填,每次都会不一样。随机数的产生取决于种子,随机数和种子之间的关系遵从以下两个规则:种子不同,产生不同的随机数;种子相同,即使实例不同也产生相同的随机数。 clf = svm.SVC(C=0.8, kernel='rbf', gamma=20, decision_function_shape='ovr') clf.fit(x_train, y_train.ravel()) # kernel='linear'时,为线性核,C越大分类效果越好,但有可能会过拟合(defaul C=1)。 # kernel='rbf'时(default),为高斯核,gamma值越小,分类界面越连续;gamma值越大,分类界面越“散”,分类效果越好,但有可能会过拟合。 # decision_function_shape='ovr'时,为one v rest,即一个类别与其他类别进行划分, # decision_function_shape='ovo'时,为one v one,即将类别两两之间进行划分,用二分类的方法模拟多分类的结果。 print(clf.score(x_train, y_train)) y_hat = clf.predict(x_train) show_accuracy(y_hat, y_train, '训练集') print(clf.score(x_test, y_test)) y_hat = clf.predict(x_test) show_accuracy(y_hat, y_test, '测试集') print("decision_function:\n",clf.decision_function(x_train)) print("predict:\n",clf.predict(x_train)) # 第一列最大值,最小值 x1_min, x1_max = x[:, 0].min(), x[:, 0].max() # 第二列最大值,最小值 x2_min, x2_max = x[:, 1].min(), x[:, 1].max() x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j] print("x1") print(x1) print("x2") print(x2) # 这里用到了mgrid()函数,该函数的作用这里简单介绍一下: # 假设假设目标函数F(x,y)=x+y。x轴范围1~3,y轴范围4~6,当绘制图像时主要分四步进行: # 【step1:x扩展】(朝右扩展): # [1 1 1] # [2 2 2] # [3 3 3] # 【step2:y扩展】(朝下扩展): # [4 5 6] # [4 5 6] # [4 5 6] # 【step3:定位(xi,yi)】: # [(1,4) (1,5) (1,6)] # [(2,4) (2,5) (2,6)] # [(3,4) (3,5) (3,6)] # 【step4:将(xi,yi)代入F(x,y)=x+y】 # x1 # [[4.3 4.3 4.3 ... 4.3 4.3 4.3 ] # [4.31809045 4.31809045 4.31809045 ... 4.31809045 4.31809045 4.31809045] # [4.3361809 4.3361809 4.3361809 ... 4.3361809 4.3361809 4.3361809 ] # ... # [7.8638191 7.8638191 7.8638191 ... 7.8638191 7.8638191 7.8638191 ] # [7.88190955 7.88190955 7.88190955 ... 7.88190955 7.88190955 7.88190955] # [7.9 7.9 7.9 ... 7.9 7.9 7.9 ]] # x2 # [[2. 2.0120603 2.0241206 ... 4.3758794 4.3879397 4.4 ] # [2. 2.0120603 2.0241206 ... 4.3758794 4.3879397 4.4 ] # [2. 2.0120603 2.0241206 ... 4.3758794 4.3879397 4.4 ] # ... # [2. 2.0120603 2.0241206 ... 4.3758794 4.3879397 4.4 ] # [2. 2.0120603 2.0241206 ... 4.3758794 4.3879397 4.4 ] # [2. 2.0120603 2.0241206 ... 4.3758794 4.3879397 4.4 ]] print("x1.flat") print(x1.flat) grid_test = np.stack((x1.flat, x2.flat), axis=1) print("grid_test") print(grid_test) # 指定默认字体 mpl.rcParams['font.sans-serif'] = [u'SimHei'] mpl.rcParams['axes.unicode_minus'] = False cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#FFA0FF']) cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b']) grid_hat = clf.predict(grid_test) grid_hat = grid_hat.reshape(x1.shape) alpha = 0.5 plt.pcolormesh(x1, x2, grid_hat, cmap=cm_light) plt.plot(x[:, 0], x[:, 1], 'o', alpha=alpha, color='blue', markeredgecolor='k') plt.scatter(x[:, 0], x[:, 1], c=np.squeeze(y), edgecolors='k', s=50, cmap=cm_dark) # plt.scatter(x_test[:, 0], x_test[:, 1], s=50, facecolors='none', zorder=10, cmap=cm_dark) plt.xlabel(u'花萼长度',fontsize=13) plt.ylabel(u'花萼宽度',fontsize=13) plt.xlim(x1_min, x1_max) plt.ylim(x2_min, x2_max) plt.title(u'鸢尾花SVM二特征分类', fontsize=15) plt.show() # pcolormesh(x,y,z,cmap)这里参数代入x1,x2,grid_hat,cmap=cm_light绘制的是背景。 # scatter中edgecolors是指描绘点的边缘色彩,s指描绘点的大小,cmap指点的颜色。 # xlim指图的边界。
得到的结果: