python sklearn svm 权重_sklearn svm基本使用

SVM基本使用

SVM在解决分类问题具有良好的效果，出名的软件包有libsvm(支持多种核函数),liblinear。此外python机器学习库scikit-learn也有svm相关算法，sklearn.svm.SVC和

sklearn.svm.LinearSVC分别由libsvm和liblinear发展而来。

推荐使用SVM的步骤为：

将原始数据转化为SVM算法软件或包所能识别的数据格式；

将数据标准化；(防止样本中不同特征数值大小相差较大影响分类器性能)

不知使用什么核函数，考虑使用RBF；

利用交叉验证网格搜索寻找最优参数(C, γ)；(交叉验证防止过拟合，网格搜索在指定范围内寻找最优参数)

使用最优参数来训练模型；

测试。

下面利用scikit-learn说明上述步骤：

1 importnumpy as np2 from sklearn.svm importSVC3 from sklearn.preprocessing importStandardScaler4 from sklearn.model_selection importGridSearchCV, train_test_split5

6 defload_data(filename)7 '''

8 假设这是鸢尾花数据,csv数据格式为：9 0,5.1,3.5,1.4,0.210 0,5.5,3.6,1.3,0.511 1,2.5,3.4,1.0,0.512 1,2.8,3.2,1.1,0.213 每一行数据第一个数字(0,1...)是标签,也即数据的类别。14 '''

15 data = np.genfromtxt(filename, delimiter=