SVM 非线性

该博客介绍了如何使用Python进行支持向量机(SVM)模型的训练和优化。首先,数据预处理包括数值化特征和标签,然后通过交叉验证寻找最优的C和gamma参数。最后,展示了混淆矩阵和ROC曲线来评估模型性能。
摘要由CSDN通过智能技术生成
# _*_coding: UTF-8 _*_
# team: THE COOLEST
# developer: 
# time: 2022/11/19 下午9:26
# file name: krkopt_svm.PY
# tools: PyCharm

import pandas as pd
from sklearn.model_selection import train_test_split,cross_val_score
from sklearn.svm import SVC
from sklearn.metrics import confusion_matrix, auc, roc_curve
import seaborn as sns
import matplotlib.pyplot as plt

#读取数据
data = pd.read_csv('krkopt.data', header = None)
data.dropna(inplace = True)

#将样本数值化
for i in [0,2,4]:
    data.loc[data[i] == 'a', i] = 1
    data.loc[data[i] == 'b', i] = 2
    data.loc[data[i] == 'c', i] = 3
    data.loc[data[i] == 'd', i] = 4
    data.loc[data[i] == 'e', i] = 5
    data.loc[data[i] == 
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值