Python3中的支持向量机SVM的使用（有实例）

小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

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。