写出不同核函数测试的脚本
时间: 2023-09-13 17:02:51 浏览: 81
下面是一个使用Support Vector Machine (SVM)分类器和不同核函数进行测试的Python脚本:
```python
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
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)
# 定义SVM分类器
svm = SVC()
# 定义不同核函数
kernels = ['linear', 'poly', 'rbf', 'sigmoid']
# 用不同的核函数拟合数据并输出准确率
for kernel in kernels:
svm.set_params(kernel=kernel)
svm.fit(X_train, y_train)
print("Kernel: {}, Accuracy: {:.2f}%".format(kernel, svm.score(X_test, y_test) * 100))
```
这个脚本使用了鸢尾花数据集,将数据集分为训练集和测试集,定义了SVM分类器和不同的核函数,然后用不同的核函数拟合数据并输出准确率。你可以根据需要修改数据集和分类器的设置。