22、23 SVM支持向量机概念及实例

SVM是有监督学习模型，可以进行模式识别、分类及回归分析。
工作原理：
SVM就是找到一个超平面，将样本划分开，并且使样本集中的样本点到这个分类超平面的最小距离（分类间隔）最大化。
n维空间超平面的数学表达式为：


上图中di是样本点xi到超平面的欧氏距离，目的是求di的最小值，作为该样本到超平面的最短距离。
SVM的目标就是找出所有分类间隔中最大的值对应的最优超平面。
硬间隔：完全线性可分，找最大分类间隔；
软间隔：大部分线性可分，允许一定量的分类错误；
非线性分类器：线性不可分，利用核函数，将原有样本空间投射到更高维空间，使其线性可分。
对于多分类问题，可以将SVM二分类器进行组合，形成多分类器。

实例: 用SVM进行乳腺癌检测

sklearn中有SVM算法：

from sklearn import svm

做分类器要用SVC(非线性)，或LinearSVC(线性)。

创建SVM分类器:
SVC的构造函数：
model=svm.SVC(kernel=‘rbf’, C=1.0, gamma=‘auto’ )
kernel代表核函数，有四种，默认rbf：
1、linear:线性核函数（数据线性可分，速度快，效果好）
2、poly:多项式函数（数据从低维映射到高维，参数多，计算量大）
3、rbf：高斯核函数（低维映射到高维，参数少，性能好）
4、sigmoid:sigmoid核函数（多层神经网络）。
C为目标函数惩罚系数，C越大，准确度越高，但泛化能力越差，默认1.0。
gamma表示核函数系数，默认为样本特征数的倒数：gamma=1/n_features。
传入训练集并训练:
model.fit(train_X,train_Y), 参数分别为特征值矩阵和分类标识。
结果预测：
prediction=model.predict(test_X), 传入测试集样本特征矩阵，得到分类结果。

对于数据量大的线性可分问题，创建线性SVC：model=svm.LinearSVC( )，限制使用线性核函数，对线性分类进行了优化，效率比SVC高。

下面进行乳腺癌检测项目：
数据集来自美国威斯康星州的乳腺癌诊断数据集，下载自极客时间老师的github。
数据描述：
数据中包含32个字段，除了ID字段和分类标识结果字段外，有10个特征值的三个维度，分别是平均值、标准差和最大值。无缺失值，共有569组患者数据，其中357个良性（B）,212个恶性（M）。
目的：
生成乳腺癌诊断的SVM分类器，并计算分类器准确率。

import sklearn
from sklearn import svm
import pandas as pd
import matplotlib.pyplot