11、python分类方法 SVM支持向量机案例完整

1 支持向量机

（简称SVM）是一个功能强大并且全面的机器学习模型，它能够执行线性或非线性分类、回归，甚至是异常值检测任
务。它是机器学习领域最受欢迎的模型之一，任何对机器学习感兴趣的人都应该在工具箱中配备一个。SVM特别适用于中小型复杂数据集的分类。
 

2 案例

# -*- coding: utf-8 -*-

import scipy.io as scio

wineData = scio.loadmat('D:\\DATA\\pycase\\number2\\5.5\\Data.mat')

wineData['categories']

fData = wineData['wine'] 
tData = wineData['wine_labels'].reshape(-1)

from sklearn import svm

from sklearn.model_selection import cross_val_score

# 比较三种方法的评分，选择最高

svmModel = svm.SVC()

# K折交叉验证

cross_val_score(
    svmModel, 
    fData, 
    tData, 
    cv=3
)

svmModel = svm.NuSVC()
cross_val_score(
    svmModel, 
    fData, tData, cv=3
)

svmModel = svm.LinearSVC()
cross_val_score(
    svmModel, 
    fData, tData, cv=3
)

svmModel = svm.LinearSVC()
svmModel.fit(fData, tData)
svmModel.score(fData, tData)