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:

 

posted @ 2020-02-27 16:49  alittlecomputer  阅读(857)  评论(0编辑  收藏  举报