Python实现基于SVM的分类器的方法

python

python算法

81 浏览量更新于2023-03-03 5 收藏 52KB 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

资源推荐

Python实现基于实现基于SVM的分类器的方法的分类器的方法

本文代码来之《数据分析与挖掘实战》，在此基础上补充完善了一下~

代码是基于SVM的分类器Python实现，原文章节题目和code关系不大，或者说给出已处理好数据的方法缺失、源是图像数据

更是不见踪影，一句话就是练习分类器（▼▼メ）

源代码直接给好了K=30，就试了试怎么选的，挑选规则设定比较单一，有好主意请不吝赐教哟

# -*- coding: utf-8 -*-

"""

Created on Sun Aug 12 12:19:34 2018

@author: Luove

"""

from sklearn import svm

from sklearn import metrics

import pandas as pd

import numpy as np

from numpy.random import shuffle

#from random import seed

#import pickle #保存模型和加载模型

import os

os.getcwd()

os.chdir('D:/Analyze/Python Matlab/Python/BookCodes/Python数据分析与挖掘实战/图书配套数据、代

码/chapter9/demo/code')

inputfile = '../data/moment.csv'

data=pd.read_csv(inputfile)

data.head()

data=data.as_matrix()

#seed(10)

shuffle(data) #随机重排，按列，同列重排，因是随机的每次运算会导致结果有差异，可在之前设置seed

n=0.8

train=data[:int(n*len(data)),:] test=data[int(n*len(data)):,:]

#建模数据整理

#k=30

m=100

record=pd.DataFrame(columns=['acurrary_train','acurrary_test'])

for k in range(1,m+1):

# k特征扩大倍数，特征值在0-1之间，彼此区分度太小，扩大以提高区分度和准确率

x_train=train[:,2:]*k

y_train=train[:,0].astype(int)

x_test=test[:,2:]*k

y_test=test[:,0].astype(int)

model=svm.SVC()

model.fit(x_train,y_train)

#pickle.dump(model,open('../tmp/svm1.model','wb'))#保存模型

#model=pickle.load(open('../tmp/svm1.model','rb'))#加载模型

#模型评价混淆矩阵

cm_train=metrics.confusion_matrix(y_train,model.predict(x_train))

cm_test=metrics.confusion_matrix(y_test,model.predict(x_test))

pd.DataFrame(cm_train,index=range(1,6),columns=range(1,6))

accurary_train=np.trace(cm_train)/cm_train.sum() #准确率计算

# accurary_train=model.score(x_train,y_train) #使用model自带的方法求准确率

pd.DataFrame(cm_test,index=range(1,6),columns=range(1,6))

accurary_test=np.trace(cm_test)/cm_test.sum()

record=record.append(pd.DataFrame([accurary_train,accurary_test],index=['accurary_train','accurary_test']).T)

record.index=range(1,m+1)

find_k=record.sort_values(by=['accurary_train','accurary_test'],ascending=False) # 生成一个copy 不改变原变量

find_k[(find_k['accurary_train']>0.95) & (find_k['accurary_test']>0.95) & (find_k['accurary_test']>=find_k['accurary_train'])]

#len(find_k[(find_k['accurary_train']>0.95) & (find_k['accurary_test']>0.95)])

''' k=33

accurary_train accurary_test

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1页未读，立即下载

weixin_38716563

粉丝: 5
资源: 871

会员权益专享

Python实现基于SVM的分类器的方法

Python实现SVM分类器算法

手把手教你python实现SVM算法

python,sklearn,svm,遥感数据分类,代码实例

python的SVM分类器

python svm分类器

python基于svm的文本分类识别源码

python实现svm二分类

python实现SVM图像分类

python svm分类器 文字识别

python实现svm分类模型代码

svm分类器python

python svm 多分类

简述一下svm分类器python训练过程

python svm分类算法

写一个python lbp+svm分类的代码

python实现基于HOG+SVM的行人检测算法

python svm人脸识别

请提供使用python实现基于传算法工具箱GEAPT进行遗传算法优化OneClassSVM分类器参数的示例代码

l1svm 分类器 python

会员权益专享

最新资源

python svm分类器文字识别