机器学习-周志华-个人练习13.4

13.4 从网上下载或自己编程实现TSVM算法，选择两个UCI数据集，将其中30%的样例用作测试样本，10%的样例用作有标记样本，60%的样例用作无标记样本，分别训练出利用无标记样本的TSVM以及仅利用有标记样本的SVM，并比较其性能。

选择最常用的iris数据集，并以sciki-learn的SVM算法为基础建立TSVM，为了方便展示效果，选用iris数据集下的两个第二类和第三类，并将类标记记为-1，1，最后的训练结果选用其中两个属性进行可视化。本题为了与书上可进行对比，选用了线性超平面来划分类别，以此才能直接得到权重系数和松弛变量，具体代码如下：

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
import sklearn.svm as svm
from sklearn import datasets
from sklearn.preprocessing import StandardScaler

# balanced data，each class has the same volume of every kind of data
iris = datasets.load_iris()
# data, label = iris.data[50:, [0, 3]], iris.target[50:] * 2 - 3  # 标签变为-1,1
data, label = iris.data[50:, :], iris.target[50:] * 2 - 3  # 4 attributes
# s