【机器学习】支持向量机SVM | python实现 | 分类问题

一、SVM基础概念

1.1.SVM常用几种模型

1.SVC，（分类问题）
2.SVR，（回归问题）
3.LinearSVC
4.LinearSVR
5…其他等等

二、具体案例——鸢（yuan）尾花分类（分类问题）

2.1.实现代码（datasets直接导入）

代码如下（示例）：

from sklearn import datasets #导入数据集模块
from sklearn.model_selection import train_test_split #数据集划分
from sklearn import svm  #导入SVM支持向量机
from sklearn.metrics import classification_report   #用于显示主要分类指标的文本报告
import sklearn.metrics as sm #生成混淆矩阵的库
import seaborn as sn  #混淆矩阵可视化的库
import matplotlib.pyplot as plt #画图
#--------------------------------1.加载数据集---------------------------------#
iris = datasets.load_iris()#加载鸢尾花数据集
print(iris)
X = iris.data #输入特征
Y = iris.target #标签（输出特征）
print(X)
print('----------------')
print(Y)
print('----------------')
print('鸢尾花输入特征的维度是{}'.format(X.shape))
print('鸢尾花标签的维度是{}'.format(Y.shape))

#--------------------------------2.划分数据集---------------------------------#
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=45) # 数据划分
#--------------------------------3.模型训练---------------------------------#
clas = svm.SVC()#选择分类器
clas.fit(X_train,Y_train)#训练
#--------------------------------4.模型预测---------------------------------#
Y_pre=clas.predict(X_test)#预测测试集

#--------------------------------5.性能评估---------------------------------#
m = sm.confusion_matrix(Y_test, Y_pre) #生成混淆矩阵
print('混淆矩阵为：', m, sep='\n')
ax = sn.heatmap(m,annot=True,fmt='.20g')
ax.set_title('confusion matrix')
ax.set_xlabel('predict')
ax.set_ylabel('true')
plt.show() #混淆矩阵可视化
print("测试集准确率：%s"%clas.score(X_test,Y_test))   #输出测试集准确度
print("分析报告:",classification_report(Y_test,Y_pre))#生成分类报告

混淆矩阵可视化：

对角线上的部分说明分类正确，第三行第二列的1表示有一个错了，真实类别为2，但是预测为了1

测试集准确率和分类分析报告：
、

三.其他基础算法学习

3.1.数据集划分函数train_test_split

首先看下它的构造

它的功能主要是用来划分数据的，按比例划分。
实际例子如下：

from sklearn.model_selection import train_test_split #数据集划分

X=[[1,2],[2,3],[3,4],[4,5],[5,6]]
Y=[0,0,1,0,1]
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2,random_state=42) # 数据划分
print(X_train)
print(X_test)
print(Y_train)
print(Y_test)

结果：

其中有几个参数重点强调一下：
1.test_size=0.2意思是测试集占比为0.2
2.random_state=42。这个是随机数种子的意思，最开始它的作用我也理解了好久。简单的说，就是必须给它赋值，不然每一次划分出来的数据集是不一样的，这对后面各个算法测评该数据集具有很严重的影响（要评价哪一种算法好，数据集必须先保持一致。） 至于取多少，网上很多人取42.