除了在Matlab中使用PRTools工具箱中的svm算法,Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法,本文的运行环境是Pycharm。一、导入sklearn算法包 Scikit-Learn库已经实现了所有基本机器学习的算法,具体使用详见官方文档说明:http://scikit-learn.org/stable/auto_examples/index.html#support-vector-machines。 skleran中集成了许多算法,其导入包的方式如下所示, 逻辑回归:from sklearn.linear_model import LogisticRegression 朴素贝叶斯:from sklearn.naive_bayes import GaussianNB
K-近邻:from sklearn.neighbors import KNeighborsClassifier 决策树:from sklearn.tree import DecisionTreeClassifier 支持向量机:from sklearn import svm二、sklearn中svc的使用(1)使用numpy中的loadtxt读入数据文件 loadtxt()的使用方法: fname:文件路径。eg:C:/Dataset/iris.txt。 dtype:数据类型。eg:float、str等。 delimiter:分隔符。eg:‘,’。 converters:将数据列与转换函数进行映射的字典。eg:{1:fun},含义是将第2列对应转换函数进行转换。 usecols:选取数据的列。 以Iris兰花数据集为例子: 由于从UCI数据库中下载的Iris原始数据集的样子是这样的,前四列为特征