本文档介绍了如何使用sklearn库进行SVM分类。首先，导入了iris数据集，接着详细展示了SVM分类器的导入和初始化。通过fit函数进行模型训练，然后探讨了模型的保存与持久化。最后，利用训练好的模型对未知标签数据进行预测。
1.导入sklearn内置的数据集iris
from sklearn import datasets
iris = datasets.load_iris()2.导入、初始化svm分类器
from sklearn import svm
clf = svm.SVC() # classifier的缩写，这里缺省了SVC()的参数3.训练分类器（ fit 函数）
X, y = iris.data, iris.target #iris.data是由n_samples, n_features组成的2D-array,iris.target是sample的label组成的1D array
clf.fit(X, y) # fit的两个参数，一个是由特征值组成的矩阵，一个是实际label4.将训练所得的分类器保存下来,也称model persistence (模型持久化)
最低0.47元/天 解锁文章
扫一扫
6339
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
