高斯核函数训练一个svm的完整代码
时间: 2023-09-05 20:10:55 浏览: 74
以下是使用高斯核函数训练一个SVM的Python代码示例:
```python
from sklearn import svm
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 生成一个二元分类数据集
X, y = make_classification(n_samples=1000, n_features=20, n_informative=10, n_redundant=0, random_state=42)
# 将数据集分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 使用高斯核函数训练一个SVM模型
clf = svm.SVC(kernel='rbf', gamma=0.1, C=1.0)
clf.fit(X_train, y_train)
# 在测试集上进行预测并计算准确率
y_pred = clf.predict(X_test)
acc = accuracy_score(y_test, y_pred)
print("Accuracy:", acc)
```
在这个示例中,我们首先使用`make_classification`函数生成一个包含1000个样本和20个特征的二元分类数据集。然后,我们将数据集分成训练集和测试集。接下来,我们使用`svm.SVC`类来训练一个SVM模型,其中`kernel='rbf'`表示我们使用高斯核函数,`gamma=0.1`是高斯核函数的参数,`C=1.0`是SVM的惩罚项参数。最后,我们在测试集上进行预测并计算准确率。
需要注意的是,这只是一个示例代码,实际应用中需要根据具体问题来选择合适的参数,并对模型进行调优和评估。