基于支持向量机的分类模型和回归模型案例

'''
    案例：事件预测----加载event.txt，预测某个时间段是否会出现特殊事件。步骤如下：
        1.数据预处理：
            1>.读取文件，加载data数组，删除索引为1的列
            2>.针对每一列做编码，离散数据使用LabelEncoder,连续的数字数据使用DigitEncoder(需要自定义),编码器需要保存
            3>.整理数据集，划分测试集和训练集
        2.训练SVM模型分类器
        3.对测试集进行预测
        4.自定义测试数据，实现事件预测
        5.画图
'''
import numpy as np
import matplotlib.pyplot as mp
import sklearn.preprocessing as sp
import sklearn.model_selection as sm
import sklearn.svm as svm
import warnings

warnings.filterwarnings('ignore')


class DigitEncoder:
    # 自定义编码器：针对数字字符串做标签编码
    def fit_transform(self, y):
        return y.astype('i4')

    def transform(self, y):
        return y.astype('i4')

    def inverse_transform(self, y):
        return y.astype('str')


data = []
with open('./ml_data/event.txt', 'r') as f:
    for line in f.readlines():
        data.append(line[:-1].split(','))
data = np.array(data)
# 删除第二列
data = np.delete(data, 1, axis=1)
print