python多维数据划分_Python实现鸢尾花数据集分类问题——基于skearn的SVM

Python实现鸢尾花数据集分类问题——基于skearn的SVM

代码如下：

# !/usr/bin/env python

# encoding: utf-8

__author__ = 'Xiaolin Shen'

from sklearn import svm

import numpy as np

from sklearn import model_selection

import matplotlib.pyplot as plt

import matplotlib as mpl

from matplotlib import colors

# 当使用numpy中的loadtxt函数导入该数据集时，假设数据类型dtype为浮点型，但是很明显数据集的第五列的数据类型是字符串并不是浮点型。

# 因此需要额外做一个工作，即通过loadtxt()函数中的converters参数将第五列通过转换函数映射成浮点类型的数据。

# 首先，我们要写出一个转换函数：

# 定义一个函数，将不同类别标签与数字相对应

def iris_type(s):

class_label={b'Iris-setosa':0,b'Iris-versicolor':1,b'Iris-virginica':2}

return class_label[s]

#(1)使用numpy中的loadtxt读入数据文件

filepath='IRIS_dataset.txt' # 数据文件路径

data=np.loadtxt(filepath,dtype=float,delimiter=',',converters={4:iris_type})

#以上4个参数中分别表示：

#filepath ：文件路径。eg：C:/Dataset/iris.txt。

#dtype=float ：数据类型。eg：float、str等。

#delimiter=',' ：数据以什么分割符号分割。eg：‘，’。

#converters={4:iris_type} ：对某一列数据(第四列)进行某种类型的转换，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。

# converters={4: iris_type}中“4”指的是第5列。

# print(data)

#读入结果示例为：

# [[ 5.1 3.5 1.4 0.2 0. ]

# [ 4.9 3. 1.4 0.2 0. ]

# [ 4.7 3.2 1.3 0.2 0. ]

# [ 4.6 3.1 1.5 0.2 0. ]

# [ 5. 3.6 1.4 0.2 0. ]]

#(2)将原始数据集划分成训练集和测试集

X ,y=np.split(data,(4,),axis=1) #np.split 按照列(axis=1)进行分割，从第四列开始往后的作为y 数据，之前的作为X 数据。函数 split(数据，分割位置，轴=1(水平分割) or 0(垂直分割))。

x=X[:,0:2] #在 X中取前两列作为特征(为了后期的可视化画图更加直观，故只取前两列特征值向量进行训练)

x_train,x_test,y_train,y_test=model_selection.train_test_split(x,y,random_state=1,test_size=0.3)

# 用train_test_split将数据随机分为训练集和