ML旅程——第一站：SVM学习笔记（4）

Python实现一个简单的SVM示例

本篇简单介绍一下Python实现SVM的分类案例，主要是阐述借助sklearn搭建模型的流程，非常简单，大佬请忽略 😃

1、所需依赖

pip install scikit-learn

2、加载sklearn内置的鸢尾花数据集

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data   # shape (150, 4)
y = iris.target # shape (150, )

3、拆分训练集和测试集

# 按照7:3的比例将原始数据集拆分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

4、数据标准化

scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

5、训练SVM模型

svm = SVC(kernel='linear', C=1.0, random_state=42)
svm.fit(X_train, y_train)

6、评价模型

y_pred = svm.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)  # 0.97777777777

至此，就使用Python构建了一个最简单的SVM分类模型。