svm 交叉验证 python_SVM支持向量机实现兵王问题的分类(Python版)

1.说明

最近在B站看了浙江大学胡浩基老师的机器学习课程，完全面向入门人群感觉挺好。其中有关原理的部分讲的很细。其中在第六章-支持向量机的例题兵王问题中课程只给了MATLAB的版本，没有Python语言的优势。所以本文首先根据胡老师的MATLAB版的思路改写成Python版，然后使用Python的优势重新编写一版。

2.问题分析

在国际象棋中，存在着一种残局的现象。剩余三子，分别是黑方的王，白方的王和兵，那么无论这三子在棋盘的布局如何，只有两种结果，白方胜利和逼和。这就是一个二分类问题。

3. 数据集

关于这个问题的数据集krkopt.DATA可以在老师给的代码里面找到，然后老师也推荐了一个网址UCI Machine Learning

数据形式：前面六个就是棋子的位置，draw就是逼和，后面的数字eight就代表，白棋最少用8步就能将死对方。

a,1,b,3,c,2,draw

a,1,c,1,c,2,draw

c,2,c,6,e,1,eight

...

4.代码实现

4.1 MATLAB思想的Python实现

# -*- coding: utf-8 -*-

import numpy as np

from libsvm.svm import *

from libsvm.svmutil import *

def data_read_mat(file_name):

'''

从文件中取出数据

:param file_name: 文件名称

:return: 返回一个n*7的矩阵，前6项是三个坐标，第七项是标签

'''

num_list = []

'''

一下是对数据进行读入并且处理，其中open的参数中encoding之所以设置成UTF-8-sig

是因为如果我们把这个参数设置为UTF-8或者不设置，在读入的开头多出\ufeff这么一串

东西，有时候会以中文字的形式出现。

'''

with open(file_name, "r", encoding='UTF-8-sig') as file:

for l in file:

l = l.split(',')

list_k = []

for j in range(3):

list_k.append(ord(l[j * 2]) - ord('a'))

list_k.append(ord(l[j * 2 + 1]) - ord('0'))

if (l[6][0] == 'd'):

list_k.append(0)

else:

list_k.append(1)

num_list.append(list_k)

num_mat = np.array(num_list, dtype="float")

'''

在此处是以numpy的二维数据矩阵的形式存储的，本以为使用numpy的数据进行运算可以使得

训练的速度快一些。结果发现如果要往libsvm中的函数传入参数只能传入list型不能传入numpy

的数据类型。所以，后面又把数据类型转回了list型。但是，我猜应该是有方法可以把numpy

的数据类型传入使用的。于是我在读取数据后任然返回的是numpy的形式。

'''

return num_mat

def data_deal(mat, len_train, len1, len_test, len2):

'''

将数据进行处理，分出训练数据和测试数据

:param mat: 大矩阵，其中包括训练数据和测试数据

:param len_train:训练数据

:para