Python实现SVM使用案例

最近一直在看文本挖掘这块儿，看了许多机器学习相关的资料，在这里做个笔记分享给大家，有供自己日后学习浏览。码字不易，喜欢请点赞！！！

这篇推文主要介绍Python实现SVM的案例，后期会更新加强版。

这里主要讲的是使用Python的Sklearn包实现SVM样本分类，而不包括SVM的理论推导，我在看SVM的理论的时候看了很多网上的博客，有很多都写的不错，这里推荐，July写的支持向量机通俗导论（理解SVM的三层境界），而且作者将其制作成了pdf版本，可以下载下来观看。这篇博客是July12年开始写的，并且一直更新完善，所以到现在真的是通俗易懂。这里附上网址：https://blog.csdn.net/v_july_v/article/details/7624837

理论部分这篇博客真的够！！!

Sklearn是Python专门用于机器学习的包，安装方法网上有很多，这里也不介绍了，有问题可以随时进交流群询问。

这里就开始一步步讲解，在实践过程中的具体步骤。

一般来说机器学习的实践流程包括：导入数据->数据标准化->模型选择->模型的训练测试->保存模型

首先，导入数据这块，你如果使用自己的数据集的话，可以用numpy或者pandas导入。本文这里直接使用Sklearn自带的经典的iris鸢尾花数据集。