python向量模（Python：支持向量机SVM的使用）

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sklearn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#support-vector-machines














。

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 
  
  
  
  
  
  
  
 、sklearn中svc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                       。

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：

defiris_type(s): it={Iris-setosa:0,Iris-versicolor:1,Iris-virginica:2} returnit[s]

接下来读入数据















，converters={4: iris_type}中“4  
  
  
  
  
  
  
  ”指的是第5列：

path=uD:/f盘/python/学习/iris.data#数据文件路径 data=np.loadtxt(path,dtype=float,delimiter=,,converters={4:iris_type})

读入结果：

（2）将Iris分为训练集与测试集

x,y=np.split(data,(4,),axis=1) x=x[:,:2] x_train,x_test,y_train,y_test=train_test_split(x,y,random_state=1,train_size=0.6)

1.split(数据  
  
  
  
  
  
  
  ，分割位置 
  
  
  
  
  
  
  
 ，轴=1（水平分割） or 0（垂直分割）)






















。

2.x = x[:, :2]是为方便后期画图更直观


 


 


 


 


 


 


 


，故只取了前两列特征值向量训练                。

3.sklearn.model_selection.train_test_split随机划分训练集与测试集 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
。train_test_split(train_data,train_target,test_size=数字, random_state=0)

参数解释：

·train_data：所要划分的样本特征集

·train_target：所要划分的样本结果

·test_size：样本占比 
 
 
 
 
 
 
 ，如果是整数的话就是样本的数量

·random_state：是随机数的种子














。

随机数种子：其实就是该组随机数的编号  
   
   
   
   
   
   
   
 ，在需要重复试验的时候

 

 

 

 

 

 

 

，保证得到一组一样的随机数
  
  
  
  
  
  
  
  。比如你每次都填1
 

 

 

 

 

 

 

 ，其他参数一样的情况下你得到的随机数组是一样的 
  
  
  
  
  
  
  
。但填0或不填                ，每次都会不一样 


 


 


 


 


 


 


 

。随机数的产生取决于种子
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 

，随机数和种子之间的关系遵从以下两个规则：种子不同














，产生不同的随机数；种子相同                        ，即使实例不同也产生相同的随机数
 
 
 
 
 
 
 
 。

（3）训练svm分类器

#clf=svm.SVC(C=0.1,kernel=linear,decision_function_shape=ovr) clf=svm.SVC(C=0.8,kernel=rbf,gamma=20,decision_function_shape=ovr) clf.fit(x_train,y_train.ravel())

kernel=linear时
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，为线性核






















，C越大分类效果越好                ，但有可能会过拟合（defaul C=1）  
   
   
   
   
   
   
   
。

kernel=rbf时（default）
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
 ，为高斯核















，gamma值越小  
  
  
  
  
  
  
  ，分类界面越连续；gamma值越大 
  
  
  
  
  
  
  
 ，分类界面越“散 
  
  
  
  
  
  
  
 ”


 


 


 


 


 


 


 


，分类效果越好 
 
 
 
 
 
 
 ，但有可能会过拟合 

 

 

 

 

 

 

 
。

decision_function_shape=ovr时  
   
   
   
   
   
   
   
 ，为one v rest

 

 

 

 

 

 

 

，即一个类别与其他类别进行划分
 

 

 

 

 

 

 

 ，

decision_function_shape=ovo时                ，为one v one
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 

，即将类别两两之间进行划分














，用二分类的方法模拟多分类的结果

 

 

 

 

 

 

 

 。

（4）计算svc分类器的准确率

printclf.score(x_train,y_train)#精度 y_hat=clf.predict(x_train) show_accuracy(y_hat,y_train,训练集) printclf.score(x_test,y_test) y_hat=clf.predict(x_test) show_accuracy(y_hat,y_test,测试集)

结果为：

如果想查看决策函数                        ，可以通过decision_function()实现

printdecision_function:\n,clf.decision_function(x_train) print\npredict:\n,clf.predict(x_train)

结果为：

decision_function中每一列的值代表距离各类别的距离               。

（5）绘制图像

1.确定坐标轴范围
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，x






















，y轴分别表示两个特征

x1_min,x1_max=x[:,0].min(),x[:,0].max()#第0列的范围 x2_min,x2_max=x[:,1].min(),x[:,1].max()#第1列的范围 x1,x2=np.mgrid[x1_min:x1_max:200j,x2_min:x2_max:200j]#生成网格采样点 grid_test=np.stack((x1.flat,x2.flat),axis=1)#测试点 #printgrid_test=\n, grid_testgrid_hat=clf.predict(grid_test)#预测分类值 grid_hat=grid_hat.reshape(x1.shape)#使之与输入的形状相同

这里用到了mgrid()函数                ，该函数的作用这里简单介绍一下：

假设假设目标函数F（x
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
 ，y）=x+y 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 
。x轴范围13















，y轴范围46  
  
  
  
  
  
  
  ，当绘制图像时主要分四步进行：

【step1：x扩展】(朝右扩展)：

[111] [222] [333]

【step2：y扩展】(朝下扩展)：

[456] [456] [456]

【step3：定位（xi 
  
  
  
  
  
  
  
 ，yi）】：

[(1,4)(1,5)(1,6)] [(2,4)(2,5)(2,6)] [(3,4)(3,5)(3,6)]

【step4：将（xi


 


 


 


 


 


 


 


，yi）代入F(x,y)=x+y】

因此这里x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j]后的结果为：

再通过stack()函数 
 
 
 
 
 
 
 ，axis=1  
   
   
   
   
   
   
   
 ，生成测试点

2.指定默认字体

mpl.rcParams[font.sans-serif]=[uSimHei] mpl.rcParams[axes.unicode_minus]=False

3.绘制

cm_light=mpl.colors.ListedColormap([#A0FFA0,#FFA0A0,#A0A0FF]) cm_dark=mpl.colors.ListedColormap([g,r,b]) plt.pcolormesh(x1,x2,grid_hat,cmap=cm_light) plt.scatter(x[:,0],x[:,1],c=y,edgecolors=k,s=50,cmap=cm_dark)#样本 plt.scatter(x_test[:,0],x_test[:,1],s=120,facecolors=none,zorder=10)#圈中测试集样本 plt.xlabel(u花萼长度,fontsize=13) plt.ylabel(u花萼宽度,fontsize=13) plt.xlim(x1_min,x1_max) plt.ylim(x2_min,x2_max) plt.title(u鸢尾花SVM二特征分类,fontsize=15) #plt.grid() plt.show()

pcolormesh(x,y,z,cmap)这里参数代入x1

 

 

 

 

 

 

 

，x2
 

 

 

 

 

 

 

 ，grid_hat                ，cmap=cm_light绘制的是背景















。

scatter中edgecolors是指描绘点的边缘色彩
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 

，s指描绘点的大小














，cmap指点的颜色                       。

xlim指图的边界 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
。

最终结果为：

python学习网                        ，大量的免费python视频教程
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，欢迎在线学习！