从0到1数据分析实战学习笔记（六）SVM乳腺癌检测

SVM 支持向量机

在机器学习中，SVM是有监督的学习模型。

什么是有监督的学习模型呢？它指的是我们需要事先对数据打上分类标签，这样机器就知道这个数据属于哪个分类。同样无监督学习，就是数据没有被打上分类标签，这可能是因为我们不具备先验的知识，或者打标签的成本很高。所以我们需要机器代我们部分完成这个工作，比如将数据进行聚类，方便后续人工对每个类进行分析。SVM作为有监督的学习模型，通常可以帮我们模式识别、分类以及回归分析。

项目实战

VM是有监督的学习模型，我们需要事先对数据打上分类标签，通过求解最大分类间隔来求解二分类问题。如果要求解多分类问题，可以将多个二分类器组合起来形成一个多分类器。
项目是生成一个乳腺癌诊断的SVM分类器，并计算这个分类器的准确率

数据集来自美国威斯康星州的乳腺癌诊断数据集，数据集下载地址：https://github.com/fuzhipeng/breast_cancer_data

总共分为两个阶段：

1. 加载文档，数据清洗
2. 生成分类器预测分类

1.加载文档

数据表一共包括了32个字段，代表的含义如下：

读取文件，清洗数据。

df = pd.read_csv('./data.csv')
features_mean= list(df.columns[2:12])
f