Python中的支持向量机SVM的使用（附实例代码）_svm代码 - CSDN文库

5星 · 超过95%的资源 148 浏览量更新于2023-03-03 评论 8 收藏 175KB 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中的支持向量机中的支持向量机SVM的使用（附实例代码）的使用（附实例代码）

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：http://scikit-

learn.org/stable/auto_examples/index.html。

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。

以以Iris兰花数据集为例子：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。

因此我们要额外做一个工作，即通过loadtxt()函数中的converters参数将第五列通过转换函数映射成浮点类型的数据。

首先，我们要写出一个转换函数：

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5

好运爆棚

2023-07-24

文章中附带了实例代码，让读者可以更好地学习和实践SVM算法。

weixin_38703980

粉丝: 6
资源: 878

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