机器学习之sklearn（二）SVM调库实现

训练要求

调用数据集下载鸢尾花数据集；
对数据进行处理
掉用函数训练模型
查看验证模型参数
画出样本和测试集对比图

代码如下

# 导入科学计算包，用于矩阵计算或数据拼接
import numpy as np
# 导入画图工具
from matplotlib import pyplot as plt
# 从sklearn中导入svm中的SVC
from sklearn.svm import SVC
# 导入sklearn的数据案例中的鸢尾花数据集
from sklearn.datasets import load_iris
# 读取数据
data = load_iris()


# 定义数据处理函数
def preprocess(data):
    X = data['data']
    y = data['target']
    # 数据提取
    X = X[y != 2,1:3]
    y = y[y != 2]
    # 特征缩放
    X -= np.mean(X,axis=0)
    X /= np.std(X,axis=0,ddof=1)
    # 不需要数据初始化
    #数据洗牌
    m = len(X)
    # 确定随机种子
    np.random.seed(3)
    # 生成随机序列
    o = np.random.permutation(m)
    # 洗牌
    X = X[o]
    y = y[o]
    # 数据切割
    d = int(0.7 * m)
    X_train,X_test = np.split(X,[d])
    y_train,y_test = np.split(y,[d])
    # 数据处理完毕，返回处理好的数据
    return X,y,X_train,X_