Python实现鸢尾花数据集分类问题——基于skearn的SVM
Python实现鸢尾花数据集分类问题——基于skearn的SVM
代码如下:
1 # !/usr/bin/env python 2 # encoding: utf-8 3 __author__ = 'Xiaolin Shen' 4 from sklearn import svm 5 import numpy as np 6 from sklearn import model_selection 7 import matplotlib.pyplot as plt 8 import matplotlib as mpl 9 from matplotlib import colors 10 11 12 13 # 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,但是很明显数据集的第五列的数据类型是字符串并不是浮点型。 14 # 因此需要额外做一个工作,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。 15 # 首先,我们要写出一个转换函数: 16 # 定义一个函数,将不同类别标签与数字相对应 17 def iris_type(s): 18 class_label={b'Iris-setosa':0,b'Iris-versicolor':1,b'Iris-virginica':2} 19 return class_label[s] 20 21 #(1)使用numpy中的loadtxt读入数据文件 22 filepath='IRIS_dataset.txt' # 数据文件路径 23 data=np.loadtxt(filepath,dtype=float,delimiter=',',converters={4:iris_type}) 24 #以上4个参数中分别表示: 25 #filepath :文件路径。eg:C:/Dataset/iris.txt。 26 #dtype=float :数据类型。eg:float、str等。 27 #delimiter=',' :数据以什么分割符号分割。eg:‘,’。 28 #converters={4:iris_type} :对某一列数据(第四列)进行某种类型的转换,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。 29 # converters={4: iris_type}中“4”指的是第5列。 30 31 # print(data) 32 #读入结果示例为: 33 # [[ 5.1 3.5 1.4 0.2 0. ] 34 # [ 4.9 3. 1.4 0.2 0. ] 35 # [ 4.7 3.2 1.3 0.2 0. ] 36 # [ 4.6 3.1 1.5 0.2 0. ] 37 # [ 5. 3.6 1.4 0.2 0. ]] 38 39 40 41 #(2)将原始数据集划分成训练集和测试集 42 X ,y=np.split(data,(4,),axis=1) #np.split 按照列(axis=1)进行分割,从第四列开始往后的作为y 数据,之前的作为X 数据。函数 split(数据,分割位置,轴=1(水平分割) or 0(垂直分割))。 43 x=X[:,0:2] #在 X中取前两列作为特征(为了后期的可视化画图更加直观,故只取前两列特征值向量进行训练) 44 x_train,x_test,y_train,y_test=model_selection.train_test_split(x,y,random_state=1,test_size=0.3) 45 # 用train_test_split将数据随机分为训练集和测试集,测试集占总数据的30%(test_size=0.3),random_state是随机数种子 46 # 参数解释: 47 # x:train_data:所要划分的样本特征集。 48 # y:train_target:所要划分的样本结果。 49 # test_size:样本占比,如果是整数的话就是样本的数量。 50 # random_state:是随机数的种子。 51 # (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。 52 # 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。) 53 54 55 #(3)搭建模型,训练SVM分类器 56 # classifier=svm.SVC(kernel='linear',gamma=0.1,decision_function_shape='ovo',C=0.1) 57 # kernel='linear'时,为线性核函数,C越大分类效果越好,但有可能会过拟合(defaul C=1)。 58 classifier=svm.SVC(kernel='rbf',gamma=0.1,decision_function_shape='ovo',C=0.8) 59 # kernel='rbf'(default)时,为高斯核函数,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。 60 # decision_function_shape='ovo'时,为one v one分类问题,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。 61 # decision_function_shape='ovr'时,为one v rest分类问题,即一个类别与其他类别进行划分。 62 #开始训练 63 classifier.fit(x_train,y_train.ravel()) 64 #调用ravel()函数将矩阵转变成一维数组 65 # (ravel()函数与flatten()的区别) 66 # 两者所要实现的功能是一致的(将多维数组降为一维), 67 # 两者的区别在于返回拷贝(copy)还是返回视图(view), 68 # numpy.flatten() 返回一份拷贝,对拷贝所做的修改不会影响(reflects)原始矩阵, 69 # 而numpy.ravel()返回的是视图(view),会影响(reflects)原始矩阵。 70 71 72 def show_accuracy(y_hat,y_train,str): 73 pass 74 75 #(4)计算svm分类器的准确率 76 print("SVM-输出训练集的准确率为:",classifier.score(x_train,y_train)) 77 y_hat=classifier.predict(x_train) 78 show_accuracy(y_hat,y_train,'训练集') 79 print("SVM-输出测试集的准确率为:",classifier.score(x_test,y_test)) 80 y_hat=classifier.predict(x_test) 81 show_accuracy(y_hat,y_test,'测试集') 82 # SVM-输出训练集的准确率为: 0.838095238095 83 # SVM-输出测试集的准确率为: 0.777777777778 84 85 86 # 查看决策函数,可以通过decision_function()实现。decision_function中每一列的值代表距离各类别的距离。 87 # print('decision_function:\n', classifier.decision_function(x_train)) 88 print('\npredict:\n', classifier.predict(x_train)) 89 90 91 # (5)绘制图像 92 # 1.确定坐标轴范围,x,y轴分别表示两个特征 93 x1_min, x1_max = x[:, 0].min(), x[:, 0].max() # 第0列的范围 x[:, 0] ":"表示所有行,0表示第1列 94 x2_min, x2_max = x[:, 1].min(), x[:, 1].max() # 第1列的范围 x[:, 0] ":"表示所有行,1表示第2列 95 x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j] # 生成网格采样点(用meshgrid函数生成两个网格矩阵X1和X2) 96 grid_test = np.stack((x1.flat, x2.flat), axis=1) # 测试点,再通过stack()函数,axis=1,生成测试点 97 # .flat 将矩阵转变成一维数组 (与ravel()的区别:flatten:返回的是拷贝 98 99 print("grid_test = \n", grid_test) 100 # print("x = \n",x) 101 grid_hat = classifier.predict(grid_test) # 预测分类值 102 103 print("grid_hat = \n", grid_hat) 104 # print(x1.shape()) 105 grid_hat = grid_hat.reshape(x1.shape) # 使之与输入的形状相同 106 107 108 # 2.指定默认字体 109 mpl.rcParams['font.sans-serif'] = [u'SimHei'] 110 mpl.rcParams['axes.unicode_minus'] = False 111 112 # 3.绘制 113 cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF']) 114 cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b']) 115 116 alpha=0.5 117 118 plt.pcolormesh(x1, x2, grid_hat, cmap=cm_light) # 预测值的显示 119 # plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', s=50, cmap=cm_dark) # 样本 120 plt.plot(x[:, 0], x[:, 1], 'o', alpha=alpha, color='blue', markeredgecolor='k') 121 plt.scatter(x_test[:, 0], x_test[:, 1], s=120, facecolors='none', zorder=10) # 圈中测试集样本 122 plt.xlabel(u'花萼长度', fontsize=13) 123 plt.ylabel(u'花萼宽度', fontsize=13) 124 plt.xlim(x1_min, x1_max) 125 plt.ylim(x2_min, x2_max) 126 plt.title(u'鸢尾花SVM二特征分类', fontsize=15) 127 # plt.grid() 128 plt.show() 129 130 131 132 133 ''' 134 #输出训练集的准确率 135 print(classifier.score(x_train,x_test)) 136 137 #由于准确率表现不直观,可以通过其他方式观察结果。 138 139 #首先将原始结果与训练集预测结果进行对比: 140 y_train_hat=classifier.predict(x_train) 141 y_train_1d=y_train.reshape((-1)) 142 comp=zip(y_train_1d,y_train_hat) #用zip把原始结果和预测结果放在一起。显示如下: 143 print(list(comp)) 144 145 #同样的,可以用训练好的模型对测试集的数据进行预测: 146 print(classifier.score(x_test,y_test)) 147 y_test_hat=classifier.predict(x_test) 148 y_test_1d=y_test.reshape((-1)) 149 comp=zip(y_test_1d,y_test_hat) 150 print(list(comp)) 151 152 153 #还可以通过图像进行可视化: 154 plt.figure() 155 plt.subplot(121) 156 plt.scatter(x_train[:,0],x_train[:,1],c=y_train.reshape((-1)),edgecolors='k',s=50) 157 plt.subplot(122) 158 plt.scatter(x_train[:,0],x_train[:,1],c=y_train_hat.reshape((-1)),edgecolors='k',s=50) 159 160 '''
程序运行结果:
数据可视化展示:
posted on 2018-04-16 11:02 CuriousZero 阅读(19899) 评论(1) 编辑 收藏 举报