svm对未知数据的分类_svm分类预测-构建支持向量机

采集到一批样本，第一列是类别，后面的几列为属性对应的数值，

我们的目的：通过属性数值对该样本分类

思路：svm线性分类器。将样本分为train，test，进行训练，保存模型，然后再对test进行预测。利用混淆矩阵观察预测率

1.数据源

类别有很多。

2.构建数据(数据规约)

#coding=utf-8

import pandas as pd

inputfile='chapter9/demo/data/moment.csv'

data=pd.read_csv(inputfile,encoding='gbk')

data=data.as_matrix()

from random import shuffle

date=shuffle(data)

data_train=data[:int(0.8*len(data)),:]

data_test=data[int(0.8*len(data)):,:]

x_train=data_train[:,2:]*30

y_train=data_train[:,0].astype(int)

x_test=data_test[:,2:]*30

y_test=data_test[:,0].astype(int)

3.模型——构建支持向量机(机器学习，监督学习)

#model

from sklearn import svm

model=svm.SVC()