python机器学习库scikit-learn简明教程之：SVM支持向量机

1.获得样例数据

scikit-learn库有一些标准的数据集，例如分类的数字集，波士顿房价回归数据集。

在下面，我们启动Python解释器，然后载入数据集。我们可以认为，美元符号后输入python然后会启动以> > >开头的 Python解释器，提示我们输入python表达语句：

$ python
>>> from sklearn import datasets
>>> iris = datasets.load_iris()
>>> digits = datasets.load_digits()

例如，拿数字数据集这个事例来说，调用digits.data方法可以获得数字样本进行分类：

>>> print(digits.data)  
[[  0.   0.   5. ...,   0.   0.   0.]
 [  0.   0.   0. ...,  10.   0.   0.]
 [  0.   0.   0. ...,  16.   9.   0.]
 ...,
 [  0.   0.   1. ...,   6.   0.   0.]
 [  0.   0.   2. ...,  12.   0.   0.]
 [  0.   0.  10. ...,  12.   1.   0.]]

而digits.target对于每一个数据集来说就是它们的种类，对应每个数字图像，希望它被划分的具体类别：

>>> digits.target
array([0, 1, 2, ..., 8, 9, 8])

数据集的维度：

数据集通常是一个二维数组，格式是（n_samples，n_features），尽管原始的数据可能有不一致的维度。在数字化表示下，每个原始为形状（8，8）的图像样本可以表示为：

>>> digits.images[0]
array([[  0.,   0.,   5.,  13.,   9.,   1.,   0.,   0.],
       [  0.,   0.,  13.,  15.,  10.,  15.,   5.,   0.],
       [  0.,   3.,  15.,   2.,   0.,  11.,   8.,   0.],
       [  0.,   4.,  12.,   0.,   0.,   8.,   8.,   0.],
       [  0.,   5.,   8.,   0.,   0.,   9.,   8.,   0.],
       [  0.,   4.,  11.,   0.,   1.,  12.,   7.,   0.],
       [  0.,   2.,  14.,   5.,  10.,  12.,   0.,   0.],
       [  0.,   0.,   6.,  13.,  10.,   0.,   0.,   0.]])

2.训练学习和预测

在给定数据集的情况下，我们的任务是预测，对于给定图像，其所属的是哪个数字指代的种类。 我们手头有10个可能的类（数字0到9）中的每一个的样本，其中我们拟合预测器经过训练后可以预测未知的样本所属的类。
在scikit-learn中，分类预测器是实现方法fit（X，y）<代表拟合>和predict（T）<代表预测>的Python对象。
预测器的一个示例是实现支持向量机模块的类sklearn.svm.SVC。 预测器的构造函数使用模型的参数作为参数，但暂时，我们将把估计器视为一个黑盒：

(译者注：虽然scikit-learn库拥有诸多预测模型，但接口尤其工整，全部以方法fit（X，y）<代表拟合>和predict（T）<代表预测>命名！)

>>> from sklearn import svm
>>> clf = svm.SVC(gamma=0.001, C=100.)

拟合过程：

>>> clf.fit(digits.data[:-1], digits.target[:-1])  
SVC(C=100.0, cache_size=200, class_weight=None, coef0=0.0,
  decision_function_shape=None, degree=3, gamma=0.001, kernel='rbf',
  max_iter=-1, probability=False, random_state=None, shrinking=True,
  tol=0.001, verbose=False)

预测模型：

>>> clf.predict(digits.data[-1:])
array([8])

预测结果(分类结果)：

3.扩展知识：持久化存储你的预测模型：pickle模块

在scikit的特定实例下，使用joblib的pickle模块（joblib.dump＆joblib.load）可能更有趣，这对大数据更有效，但只能转化为pickle存储在磁盘上而不是字符串表达：

存储：

>>> from sklearn.externals import joblib
>>> joblib.dump(clf, 'filename.pkl') 

加载：

>>> clf = joblib.load('filename.pkl')