[ 优达机器学习入门]课程3：支持向量机（SVM）

最新推荐文章于 2022-08-20 21:09:38 发布

热心市民Daisy

最新推荐文章于 2022-08-20 21:09:38 发布

阅读量306

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/Daisy_fight/article/details/80635343

版权

本文详细介绍了支持向量机（SVM）的基础知识，包括SVM的编码、作者ID准确率、时间效率，以及如何使用更小的训练集、部署RBF内核、优化C参数。此外，还探讨了如何从SVM中提取预测，并针对Chris的邮件数量进行预测。

摘要由CSDN通过智能技术生成

from sklearn import svm
clf = svm.SVC()
clf.fit(features_train, labels_train)
pred = clf.predict(features_test)
accuracy = clf.score(features_test, labels_test)

kernel :‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’ or a callable.

##SVM 编码

clf.fit(features_train, labels_train)
pred = clf.predict(features_test)

##SVM 作者 ID 准确率

from sklearn import svm
clf = svm.SVC(kernel = 'linear')
clf.fit(features_train, labels_train)
pred = clf.predict(features_test)
accuracy = clf.score(features_test, labels_test)
print(acc