SVM和KNN算法结合的Python代码
时间: 2024-02-20 21:02:13 浏览: 27
下面是SVM和KNN算法结合的Python代码示例:
```python
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 初始化KNN和SVM分类器
knn = KNeighborsClassifier(n_neighbors=5)
svm = SVC(kernel='linear', C=0.5)
# 使用训练集拟合分类器
knn.fit(X_train, y_train)
svm.fit(X_train, y_train)
# 使用测试集预测结果
knn_pred = knn.predict(X_test)
svm_pred = svm.predict(X_test)
# 计算准确率
knn_acc = accuracy_score(y_test, knn_pred)
svm_acc = accuracy_score(y_test, svm_pred)
# 输出准确率
print("KNN准确率:", knn_acc)
print("SVM准确率:", svm_acc)
```
在这个示例中,我们使用了鸢尾花数据集,将数据集分为训练集和测试集,初始化了KNN和SVM分类器,并使用训练集拟合分类器。然后使用测试集预测结果,并计算准确率。最后输出了KNN和SVM的准确率。