数据集有4个特征和一个标签,使用svm实现训练集训练模型,然后给出训练集和测试集预测的准确率
时间: 2023-08-22 11:06:08 浏览: 45
好的,你可以按照以下步骤使用 SVM(支持向量机)算法来训练模型并评估准确率:
1. 导入所需的库:
```python
from sklearn import svm
from sklearn.metrics import accuracy_score
```
2. 准备数据集:
假设你的训练集包含X_train和y_train,测试集包含X_test和y_test。其中,X_train和X_test是特征矩阵,y_train和y_test是对应的标签。
```python
# 导入数据集
X_train = ... # 训练集特征
y_train = ... # 训练集标签
X_test = ... # 测试集特征
y_test = ... # 测试集标签
```
3. 训练 SVM 模型:
```python
# 创建 SVM 分类器
clf = svm.SVC()
# 使用训练集训练模型
clf.fit(X_train, y_train)
```
4. 进行预测并计算准确率:
```python
# 使用训练好的模型对训练集进行预测
train_predictions = clf.predict(X_train)
train_accuracy = accuracy_score(y_train, train_predictions)
# 使用训练好的模型对测试集进行预测
test_predictions = clf.predict(X_test)
test_accuracy = accuracy_score(y_test, test_predictions)
# 输出训练集和测试集的准确率
print("训练集准确率:", train_accuracy)
print("测试集准确率:", test_accuracy)
```
请确保替换代码中的"..."为你实际的数据。这样,你就可以使用 SVM 算法对数据集进行训练,并得到训练集和测试集的预测准确率了。