Python实验数据集：垃圾邮件数据集（http://archive.ics.uci.edu/ml/datasets/Spambase）。请从spambase.csv读入数据。 数据集基本信息如下：样

实验数据集：垃圾邮件数据集（http://archive.ics.uci.edu/ml/datasets/Spambase）。请从spambase.csv读入数据。
数据集基本信息如下：样本数: 4601,特征数量: 57, 类别：1为垃圾邮件，0为非垃圾邮件。
将样本集划分为70%的训练集，30%作为测试集。分别完成以下内容。

1. 决策树
   （1）分别取节点分裂标准为“gini”或“entropy”，分别建立决策树模型，计算训练误差和测试误差；画出对应的决策树。
   （2）设置树高，由3到30，分别建模，计算训练误差和测试误差，并将结果可视化。

2. 支持向量机SVM
   利用管道、搜索网格的方式，确定SVM对垃圾邮件数据集建模的最优参数。其中：
   (1)管道流程定义包括：数据标准化，PCA降维，SVC估计器。
   (2)搜索网格参数包括：C值（惩罚系数）、Kernel（核函数）。

#!/usr/bin/env python
# coding: utf-8

# In[145]:


import pandas as pd
import numpy as np
from sklearn import linear_model, model_selection
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import StandardScaler
from sklearn import tree
import matplotlib.pyplot as plt
from sklearn.tree import plot_tree
from sklearn.pipeline import Pipeline
from sklearn.model_selection import GridSearchCV
from sklearn.svm import SVC
from sklearn.pipeline import make_pipeline


# In[146]:


spam = pd.read_csv(r'spambase.csv')
spam


# In[147]:


data = spam.iloc[:,0:57]
print(data.shape)
target = spam.iloc[:,57]
print(target.shape)


# In[148]:



x_train, x_test, y_train, y_test = model_selection.train_test_split(data,target,
                                                    test_size=0.3,random_state=1)


# In[149]:


feature_name = spam.columns[0:57] #数据集中的列名
target_name = spam.columns[57] #数据集中的标签名字