用鸢尾花Iris数据集做SVM线性分类

一、安装及创建虚拟环境

• Anaconda详细安装及使用教程（带图文）.
• 安装包包名：numpy、pandas、sklearn、matplotlib

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名

二、SVM简介

• Svm（support Vector Mac）又称为支持向量机，是一种二分类的模型。支持向量机可以分为线性和非线性两大类。其主要思想是找到空间中的一个更够将所有数据样本划开的直线（平面或者超平面），并且使得数据集中所有数据到这个超平面的距离最短。
• 线性SVM有两种方式实现：LinearSVC(C)和SVC(C=1, kernel="linear")
• LinearSVC（Linear Support Vector Classification）线性支持向量机，核函数是 linear，相关参数：
  • C：目标函数的惩罚系数C，默认C = 1.0；
  • loss：指定损失函数. squared_hinge(默认), squared_hinge
  • penalty ： 惩罚方式，str类型，l1, l2
  • dual：选择算法来解决对偶或原始优化问题。当nsamples>nfeatures时dual=false
  • tol ：svm结束标准的精度， 默认是1e - 3
  • multi_class：如果y输出类别包含多类，用来确定多类策略， ovr表示一对多，crammer_singer优化所有类别的一个共同的目标 。如果选择crammer_singer，损失、惩罚和优化将会被被忽略。
  • max_iter : 要运行的最大迭代次数。int，默认1000。
• SVC用于分类，用libsvm实现，参数如下：
  • C: 惩罚项，默认为1.0，C越大容错空间越小；C越小，容错空间越大
  • kernel : 核函数的类型，可选参数为：
    • linear: 线性核函数
    • poly : 多项式核函数
    • rbf : 高斯核函数
    • sigmod : sigmod核函数（竟然还有这种核函数)
    • precomputed : 核矩阵，表示自己提前计算好核函数矩阵
  • degree: 多项式核函数的阶，默认为3，只对多项式核函数生效，其他的自动忽略
  • gamma: 核函数系数，可选，float类型，默认为auto。只对rbf ,poly ,sigmod有效。如果gamma为auto，代表其值为样本特征数的倒数，即1/n_features.
  • coef0 ：核函数中的独立项，float类型，可选，默认为0.0。只有对poly和sigmod核函数有用，是指其中的参数c
  • probability：是否启用概率估计，bool类型，可选参数，默认为False，这必须在调用fit()之前启用，并且会fit()方法速度变慢
  • tol ：svm停止训练的误差精度，float类型，可选参数，默认为1e^-3
  • cache_size ：内存大小，float，可选，默认200。指定训练所需要的内存，单位MB
  • class_weight：类别权重，dict类型或str类型，可选，默认None。给每个类别分别设置不同的惩罚参数C，如果没有，则会给所有类别都给C=1，即前面指出的C。如果给定参数balance，则使用y的值自动调整与输入数据中的类频率成反比的权重
  • max_iter：最大迭代次数，int类型，默认为-1，不限制
  • decision_function_shape：决策函数类型，可选参数ovo和ovr，默认为ovr。ovo表示one vs one，ovr表示one vs rest。（多分类）
  • random_state ：数据洗牌时的种子值，int类型，可选，默认为None
• 模型训练结束后，可以使用下列参数：
  • support_ : array类型，支持向量的索引
  • support_vectors_: 支持向量的集合
  • n_support_ : 比如SVC将数据集分成了4类，该属性表示了每一类的支持向量的个数。
  • dual_coef_ : array, shape = [n_class-1, n_SV]对偶系数，支持向量在决策函数中的系数，在多分类问题中，这个会有所不同。
  • coef_ : array，该参数仅在线性核时才有效，指的是每一个属性被分配的权值。
  • intercept_:array, shape = [n_class * (n_class-1) / 2]决策函数中的常数项bias。和coef_共同构成决策函数的参数值.

三、LinearSVC（C）方式实现分类

• 输入python命令进入python编译
• 导入需要的包：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.preprocessing import StandardScaler
from sklearn.svm import LinearSVC

• 获取数据集：

# 获取所需数据集
iris=datasets.load_iris()
#每行的数据，一共四列，每一列映射为feature_names中对应的值
X=iris.data
#每行数据对应的分类结果值（也就是每行数据的label值）,取值为[0,1,2]
Y=iris.target
#通过Y=iris.target.size，可以得到一共150行数据,三个类别个50条数据，并且数据是按照0，1，2的顺序放的

• 对数据集进行处理:

#只取y<2的类别，也就是0 1并且只取前两个特征
X=X[:,:2]
#获取0 1类别的数据
Y1=Y[Y<2]
y1=len(Y1)
#获取0类别的数据
Y2=Y[Y<1]
y2=len(Y2)
X=X