（转载）python应用svm算法过程

除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法，本文的运行环境是Pycharm。

一、导入sklearn算法包

　　Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明：http://scikit-learn.org/stable/auto_examples/index.html#support-vector-machines。

　　skleran中集成了许多算法，其导入包的方式如下所示，

　　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：

　　

　　fname:文件路径。eg：C:/Dataset/iris.txt。

　　dtype：数据类型。eg：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。eg：{1:fun}，含义是将第2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：

　　由于从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。

　　因此我们要额外做一个工作，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，我们要写出一个转换函数：

1 2 3

def iris_type(s):     it = {'Iris-setosa': 0, 'Iris-versicolor': 1, 'Iris-virginica': 2}     return it[s]

　　接下来读入数据，converters={4: iris_type}中“4”指的是第5列：

1 2	path = u'D:/f盘/python/学习/iris.data'  # 数据文件路径 data = np.loadtxt(path, dtype=float, delimiter=',', converters={4: iris_type})

　　读入结果：

　　

（2）将Iris分为训练集与测试集

1 2 3

x, y = np.split(data, (4,), axis=1) x = x[:, :2] x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1, train_size=0.6)

　　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。

（3）训练svm分类器

1 2 3

# clf = svm.SVC(C=0.1, kernel='linear', decision_function_shape='ovr')     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。

（4）计算svc分类器的准确率

1 2 3 4 5 6

print clf.score(x_train, y_train)  # 精度 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')

 结果为：

　　如果想查看决策函数，可以通过decision_function()实现

1 2	print 'decision_function:\n', clf.decision_function(x_train) print '\npredict:\n', clf.predict(x_train)

 结果为：

　　decision_function中每一列的值代表距离各类别的距离。

（5）绘制图像

　　1.确定坐标轴范围，x，y轴分别表示两个特征

1 2 3 4 5

x1_min, x1_max = x[:, 0].min(), x[:, 0].max()  # 第0列的范围 x2_min, x2_max = x[:, 1].min(), x[:, 1].max()  # 第1列的范围 x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j]  # 生成网格采样点 grid_test = np.stack((x1.flat, x2.flat), axis=1)  # 测试点 # print 'grid_test = \n', grid_testgrid_hat = clf.predict(grid_test)       # 预测分类值grid_hat = grid_hat.reshape(x1.shape)  # 使之与输入的形状相同

 　　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】

　　因此这里x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j]后的结果为：

　　

　　再通过stack()函数，axis=1，生成测试点

　　

　　2.指定默认字体

1 2	mpl.rcParams['font.sans-serif'] = [u'SimHei'] mpl.rcParams['axes.unicode_minus'] = False

　　3.绘制

1 2 3 4 5 6 7 8 9 10 11 12

cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF']) cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b']) plt.pcolormesh(x1, x2, grid_hat, cmap=cm_light) plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', s=50, cmap=cm_dark)  # 样本 plt.scatter(x_test[:, 0], x_test[:, 1], s=120, facecolors='none', zorder=10)  # 圈中测试集样本 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.grid() 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。

最终结果为：