svm预测模型python
时间: 2024-05-29 17:07:14 浏览: 29
支持向量机(Support Vector Machine, SVM)是一种经典的机器学习算法,常用于分类和回归问题。在SVM中,我们通过找到一个最优的超平面来区分不同类别的样本点,这个最优的超平面能够最大化不同类别之间的间隔,从而提高模型的泛化能力。在Python中,我们可以使用scikit-learn库中的svm模块来建立SVM模型。
下面是一个简单的SVM分类模型的代码实现:
```
# 导入相关库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
# 加载数据集
iris = datasets.load_iris()
X = iris.data[:, :2] # 我们只使用前两个特征
y = iris.target
# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)
# 建立SVM分类模型
svm_model = SVC(kernel='linear', C=1.0, random_state=1)
svm_model.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = svm_model.predict(X_test)
# 输出预测结果
print('预测结果:', y_pred)
```
在上面的代码中,我们首先加载了iris数据集,然后只使用了前两个特征。接着,我们使用train_test_split函数将数据集划分为训练集和测试集。然后,我们使用SVC函数建立了一个线性核函数的SVM分类模型,并在训练集上进行了训练。最后,我们使用predict函数在测试集上进行预测,并输出了预测结果。
相关推荐
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)