[Python数据挖掘] sklearn-SVM分类(SVC)

[引言]

SVM是支持向量机(Support Vector Machine)的简称。

SVM具有分类功能(SVC，C是Classification(分类)的首字母);

也具有回归功能(SVR，R是Regression(回归)的首字母)。

[问题分析]

在[Python数据挖掘] sklearn-KMeans聚类一文中，实现了对以下数据集的聚类：

YZN,133,108,76
ZHY,96,145,101
WYZ,132,107,60
DHY,100,102,120
CYH,139,99,93
LHY,73,149,81
ZHY,85,148,93
TQP,39,138,85
ZZL,145,112,71
HJC,101,116,118
XZY,99,98,117

每行第一列是学生姓名，第二列是语文成绩，第三列是数学成绩，第四列是英语成绩。

sklearn-KMeans已成功将该数据集聚为3类：

英语较好的DHY, HJC, XZY聚在一起；

语文较好的YZN, WYZ, CYH, ZZL聚在一起;

数学较好的ZHY, LHY, ZHY, TQP聚在一起。

称以上数据集为train.txt，作为训练集。

设定以下数据集为test.txt，作为测试集。

ZYF,101,142,90
WHQ,140,105,93
LZJ,103,112,115
BHJ,99,140,91
FZY,98,111,118
CWH,144,113,77

使用train.txt的聚类结果对SVC分类器进行训练，然后使用训练好的SVC分类器对test.txt进行分类预测，观察SVC的分类效果如何。

改写[Python数据挖掘] sklearn-KMeans聚类中的代码，首先给出训练集聚类过程：

from sklearn.cluster import KMeans
 
def loadData(filePath):
    fr = open(fileP