基于SVM 4种核函数kernel的乳腺癌数据集分类案例分析

一、SVM分类

SVM既可以做回归，也可以做分类器。

如何创建一个 SVM 分类器呢？
首先使用 SVC 的构造函数：model = svm.SVC(kernel=‘rbf’, C=1.0, gamma=‘auto’)，

这里有三个重要的参数 kernel、C 和 gamma。

kernel 代表核函数的选择，它有四种选择，只不过默认是 rbf，即高斯核函数。

1. linear:线性核函数  。  解决线性问题。

2. poly:  多项式核函数    解决偏线性问题。

3. rbf：  高斯核函数（默认）。 解决非线性问题。

4. sigmoid:双曲正切核函数。   解决偏非线性问题。

二、乳腺癌数据使用

选用的数据集：点击下载

威斯康星州乳腺癌（诊断）数据集 ，乳腺癌数据集一共有569个样本，30个特征(10个平均值，10个标准差，10个最值)，标签为二分类。其中良性benign为357个，恶性malignant为212个。

可以直接下载数据集，用data = pd.read_csv("./data.csv") 导入，也可以直接从sklearn的数据库下载。

from sklearn.datasets import load_breast_cancer
cancers = load_breast_cancer() #下载乳腺癌数据集

具体见参考博客。

三、使用4种核函数测试代码

3.1导入所需要的包

# SVM 分类
# 乳腺癌诊断分类
from sklearn.datasets import load_breast_cancer
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
import numpy as np
from sklearn.preprocessing import StandardScaler 
import time

3.2导入乳腺癌数据集

cancers = load_breast_cancer() #下载乳腺癌数据集
X = cancers.data  #获取特征值
Y = cancers.target  #获取标签

3.3生成分类器预测分类，数据规范化处理

原博客在这一步没有进行数据规范化处理。通过对比，规范化处理后的预测结果更好。未规范化处理时，使用多项式poly核函数没有运行出结果（也许是时间太长）。

# 训练集占80%，测试集占20%
x_train, x_test, y_train, y_test = train_test_split(X, Y, test_size=0.2)

# 采用Z-Score规范化数据，保证每个特征维度的数据均值为0，方差为1
ss = StandardScaler()
x_train = ss.fit_transform(x_train)
x_test  = ss.transform(x_test)

3.3 可视化乳腺癌数据集

绘制 X[:, 0], X[:, 1] 的点图， 可以看出特征值与目标结果分布具有一定相关性。可选取任意2个特征值绘制点图观察。选择不同的特征值，大体上可以看出，特征值越高，恶性样本数越多。

np.unique(Y)  # 查看label都由哪些分类  (unique去除数组中的重复数字，并进行排序之后输出)
plt.scatter(X[:, 0], X[:, 1], c= Y )  #任选某2个特征 与 良性恶性的关系
plt.show() #显示图像