使用sklearn构建分类器（svm算法），代码可执行

最新推荐文章于 2024-08-03 17:07:15 发布

Turing's Cat

最新推荐文章于 2024-08-03 17:07:15 发布

阅读量1k

点赞数 3

分类专栏： sklearn svm 笔记文章标签：机器学习 python 算法 matplotlib numpy

本文链接：https://blog.csdn.net/qq_41893089/article/details/112075320

版权

本文档详细介绍了如何使用svm算法构建分类器，涵盖了加载数据集、划分训练集与测试集、训练模型并进行预测，同时计算了recall、f1、precision和accuracy等评价指标，并绘制了ROC曲线。

摘要由CSDN通过智能技术生成

学习目标：

使用SVM算法构建分类模型，绘制roc曲线，模型评价

学习内容：

1、使用svm算法构建分类器
2、加载数据集，划分数据集
3、训练模型，预测测试数据集
4、统计recall，f1，precision，accuracy等
5、绘图ROC曲线

学习代码：

import numpy as np
from sklearn.datasets import load_breast_cancer
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import accuracy_score,precision_score,recall_score,f1_score,cohen_kappa_score
from sklearn.metrics import classification_report
from sklearn.metrics import roc_curve
import matplotlib.pyplot as plt
#加载数据集
cancer = load_breast_cancer()
cancer_data = cancer.data
cancer_target = cancer.target
cancer_names &