【机器学习】python使用支持向量机SVM

【机器学习】python使用支持向量机SVM

准备：    

    数据集

    导入SVM模块

步骤：

    1.读取数据集

    2.划分训练样本与测试样本

    3.训练SVM分类器

    4.计算分类准确率

    5.绘制图像

    

    关于SVM的原理知识，在【机器学习】支持向量机中讲过，欲知详情，可戳：

    https://blog.csdn.net/u012679707/article/details/80501358

    在Matlab中可以使用工具箱中的svm算法，具体实例在之前的人脸识别matlab实现中讲过，可戳：

    https://blog.csdn.net/u012679707/article/details/78152713

    因为Python中的sklearn库也集成了SVM算法，所以在Python中一样可以使用支持向量机做分类。

    【注意】本文的运行环境是windows+Pycharm+python3.6。

    Scikit-Learn库基本实现了所有的机器学习算法，具体使用详见官方文档说明：

    http://scikit-learn.org/stable/auto_examples/index.html#support-vector-machines

    因为本文是基于sklearn包，所以需先在python中下载sklearn包，网上有很多教程，在此不再叙述。

    数据集

    本文用的数据集为Iris.data可从UCI数据库中下载，http://archive.ics.uci.edu/ml/datasets/Iris

    Iris.data的数据格式如下：共5列，前4列为样本特征，第5列为类别，分别有三种类别Iris-setosa， Iris-versicolor， Iris-virginica。

    注意：因为在分类中类别标签必须为数字量，所以应将Iris.data中的第5列的类别（字符串）转换为num.