目录 一、SVM理论 二、numpy的相关函数介绍 三、python实现之准备 1、数据集的下载 2、模块的下载 3、相关模块的导入 四、python实现SVM的步骤 1、读取数据集 2、划分训练样本和测试样本 1). numpy.split(ary, indices_or_sections, axis=0) 2). sklearn.model_selection.train_test_split随机划分训练集与测试集。 3、训练svm分类器(即创建了svm模型) 1)核函数:kernel 2)svm多类问题函数选择 4、计算分类准确率 1)方法1 2) 方法2 3)查看决策函数 5、绘制图像 1)mgrid 2).flat 3)stack 6、结果展示 1)C=1,gamma = 5——训练样本和测试样本的识别率都比较可观 2)C=0.1,gamma=5——训练样本和测试样本的识别率均下降 3)C=100,gamma=5——训练样本识别率高,测试样本低,泛化能力差 小结:gamma不变,c变化 4)c=1,gamma=0.1 5)c=1,gamma=100——过拟合