svmpython查看各特征权重

在Python中，可以通过训练好的SVM模型获取各特征权重。具体操作如下：

1. 导入相关库和数据

import pandas as pd
from sklearn import svm
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

2. 加载数据集并进行标准化处理

data = load_breast_cancer()
X = data.data
y = data.target
scaler = StandardScaler()
X = scaler.fit_transform(X)

3. 划分训练集和测试集

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

4. 训练SVM模型

svm_clf = svm.SVC(kernel='linear')
svm_clf.fit(X_train, y_train)

5. 获取特征权重

feature_importance = svm_clf.coef_

其中，`svm_clf.coef_`属性返回的是一个数组，数组的每个元素表示对应特征的权重。我们可以使用`pd.DataFrame`将它转化为一个DataFrame方便查看。

df = pd.DataFrame(feature_importance, columns=data.feature_names)
print(df)

输出的结果类似于：

   mean radius  mean texture  mean perimeter  ...  worst symmetry  worst fractal dimension
0     1.281187     -0.053127        0.935973  ...       -0.160391                -0.051359

这个结果表示每个特征对应的权重，正数代表正相关，负数代表负相关。例如，`mean radius`这个特征的权重为1.281187，表示该特征与目标变量正相关。