《scikit-learn》数据标准化与SVM之SVC

这一章节我们能学到SVC作为分类器的简单使用。

先来看看对数据进行标准化的方式
标准化的目的与归一化一样，都是为了避免某个特征的重要程度过大或过小。
标准化的优点：受异常点的影响较小。 适用于繁杂大数据。

from sklearn.preprocessing import StandardScaler

# 标准化处理
std = StandardScaler()
# （fit_transform()等同于fit()填充数据 + tansform()转换数据）(tansform转换器转换数据时所依赖的均值、标准差等取决于fit()填充的数据)
data = std.fit_transform([[2., -2., 6.], [4., 8., 3.], [7., 8., -2.]])
print(std.mean_)

print(data)

下面我们看看使用SVC来对鸢尾花数据集进行分类训练。

import numpy as np
from sklearn.svm import SVC
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import GridSearchCV, train_test_split
from sklearn.datasets import load_iris


def load_data(filename):
    iris = load_iris()
    print(iris.data[0:5])
    scaler = StandardScaler()  # 标准化的目的与归一化一样，都是为了避免某个特征的重要程度过大或过小。
    x_std = scaler.fit_transform(iris.data)  # 标准化
    print(scaler.mean_)  # 每列的平均值
    print(x_std[0:5])

    # 将数据划分为训练集和测试集，test_size=.3表示30%的测试集
    x_train, x_test, y_train, y_test = train_test_split(x_std, iris.target, test_size=0.3)
    return x_train, x_test, y_train, y_test


def svm_test(x_train, x_test, y_train, y_test):
    # rbf核函数，设置数据权重
    svc = SVC(kernel='rbf', class_weight='balanced', )  # 核函数是高斯核
    c_range = np.logspace(-5, 15, 11, base=2)
    gamma_range = np.logspace(-9, 3, 13, base=2)

    # 网格搜索交叉验证的参数范围，cv=3,3折交叉，C是在正则化参数的常量，
    param_grid = [{'kernel': ['rbf', 'linear'], 'C': c_range, 'gamma': gamma_range}]
    grid = GridSearchCV(svc, param_grid, cv=3, n_jobs=-1)

    # 训练模型
    print('开始训练...')
    grid.fit(x_train, y_train)
    # 计算测试集精度
    score = grid.score(x_test, y_test)
    print('精度为%s' % score)


if __name__ == '__main__':
    svm_test(*load_data('example.csv'))