【机器学习】SVM iris数据集实现2

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：

1 2 3

def iris_type(s):      it = { 'Iris-setosa' : 0 , 'Iris-versicolor' : 1 ,