Python中支持向量机SVM的使用方法详解_python中的支持向量机svm的使用 - CSDN文库

185 浏览量更新于2023-03-03 评论收藏 177KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

Python中支持向量机中支持向量机SVM的使用方法详解的使用方法详解

主要为大家详细介绍了Python中支持向量机SVM的使用方法，具有一定的参考价值，感兴趣的小伙伴们可以参考

一下

除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集

成了SVM算法，本文的运行环境是Pycharm。

一、导入一、导入sklearn算法包算法包

　　Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明

　　skleran中集成了许多算法，其导入包的方式如下所示，

　　逻辑回归：from sklearn.linear_model import LogisticRegression

朴素贝叶斯：from sklearn.naive_bayes import GaussianNB

　　K-近邻：from sklearn.neighbors import KNeighborsClassifier

　　决策树：from sklearn.tree import DecisionTreeClassifier

　　支持向量机：from sklearn import svm

二、二、sklearn中中svc的使用的使用

（1）使用numpy中的loadtxt读入数据文件

　　loadtxt()的使用方法：

　　fname:文件路径。eg：C:/Dataset/iris.txt。

　　dtype：数据类型。eg：float、str等。

　　delimiter：分隔符。eg：‘，'。

　　converters：将数据列与转换函数进行映射的字典。eg：{1:fun}，含义是将第2列对应转换函数进行转换。

　　usecols：选取数据的列。

　　以Iris兰花数据集为例子：

　　由于从UCI数据库中下载的Iris原始数据集的样子是这样的，前四列为特征列，第五列为类别列，分别有三种类别Iris-

setosa， Iris-versicolor， Iris-virginica。　　　

　　

当使用numpy中的loadtxt函数导入该数据集时，假设数据类型dtype为浮点型，但是很明显第五列的数据类型并不是浮点型。

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余4页未读，立即下载

评论0

weixin_38638799

粉丝: 5
资源: 952

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈