SVM 大篷车：家庭移动政策预测

数据集用来训练和检验预测模型，建立了5822个客户的记录。每个记录由86个属性组成，包含社会人口数据和产品的所有关系。社会人口数据是有派生邮政编码派生而来，生活在相同邮政编码地区的客户具有相同的社会人口属性。第86个属性：“大篷车：家庭移动政策”，为目标变量。预测的数据集为预测最后一个属性值。预测数据共有4003条。预测数据为85个属性。实验就是对后一个属性进行预测为二分类问题。即对第86个属性进行预测。可以在分类前对数据进行清洗。具体内容可以见网站：http://liacs.leidenuniv.nl/~puttenpwhvander/library/cc2000/
Ticdata2000为训练样本，ticeval为预测数据，tictgts2000为真实结果。

from sklearn.svm import LinearSVC
import numpy as np # 快速操作结构数组的工具
from sklearn import svm  # svm支持向量机
import matplotlib.pyplot as plt # 可视化绘图
import re
import matplotlib as mpl
data_set = np.loadtxt("C:/Users/24224/Desktop/the insurance company benchmark (coil 2000)/ticdata2000.txt", dtype=float, delimiter='\t')
train_data = data_set[:,0:85]   # 训练特征空间
train_target = np.sign(data_set[:,85])  # 训练集类标号
test_data = np.loadtxt("C:/Users/24224/Desktop/the insurance company benchmark (coil 2000)/ticeval2000.txt", dtype=float, delimiter='\t')
clf = svm.SVC()
clf.fit(X=train_data, y=train_target,sample_weight=None)  # 训练模型。参数sample_weight为每个样本设置权重。应对非均衡问题
result = clf.predict(test_data)  # 使用模型预测值
test_d=[]
a=0
with open("C:/Users/24224/Desktop/the insurance company benchmark (coil 2000)/tictgts2000.txt", 'r', encoding='utf-8') as file:
    lines= file.readlines()
    for line in lines:
        test_d.append(re.findall(r'\d+',line.strip() ))

for i in range (len(result)):
    if str(int(result[i]))== test_d[i][0]:
        a+=1
print("正确预测的数目为",a)
print("训练集正确率",clf.score(train_data , train_target))
print("测试集正确率",a/len(result))
# 获得支持向量
print('支持向量：',clf.support_vectors_)
# 获得支持向量的索引
print('支持向量索引：',clf.support_)
# 为每一个类别获得支持向量的数量
print('支持向量数量：',clf.n_support_)
x1_min,x1_max=data_set[:,30].min()+2, data_set[:,30].max()+2
x2_min,x2_max=data_set[:,51].min()+2, data_set[:,51].max()+2
x1,x2=np.mgrid[x1_min:x1_max:2j, x2_min:x2_max:2911j]
test=np.stack((x1.flat, x2.flat), axis=1)
mpl.rcParams['font.sans-serif']=[u'SimHei']
mpl.rcParams['axes.unicode_minus']=False
cm_light=mpl.colors.ListedColormap(['#A0FFA0','#FFA0A0'])
cm_dark=mpl.colors.ListedColormap(['g','r'])
plt.pcolormesh(x1, x2,train_target.reshape(x1.shape), cmap=cm_light)
plt.scatter(data_set[:,30], data_set[:,51], c=train_target, edgecolors='k', s=50, cmap=cm_dark)
plt.scatter(test_data[:,30],test_data[:,51], s=120, facecolors='none', zorder=10)
plt.xlabel(u'第一个属性', fontsize=13)
plt.ylabel(u'第二个属性', fontsize=13)
plt.xlim(x1_min, x1_max)
plt.ylim(x2_min, x2_max)
plt.title(u'二特征分类', fontsize=15)
plt.show()

实验结果: