简介
SVM
支持向量机(Support Vector Machine,SVM)是一个用于分类、回归和异常值检测的监督学习方法。SVM既能解决定量分析问题也能解决定性分析问题。其基本思想是把训练数据集从输入空间非线性地映射到一个高维空间,并在高维空间中求解最优化问题。
目前我所了解的支持向量机大致可用下图表示,具体的公式推倒不进行介绍。本博客只是为了初步了解一下SVM的使用,使用scikit-learn工具库构建svr的模型,保存模型,并应用得到树莓派中
步骤
读取csv文件中的数据
def obtain_data(self,path):
dat_x = []
with open(path, 'r') as f:
reader = csv.reader(f)
for row in reader:
dat_x.append(row)
return dat_x
对输入的x,y数据进行处理 将x,y变成二维list
x = A.obtain_data(path_x)
dat_x = []
for i in range(len(x)):
for j in range(len(x[i])):
dat_x.append(float(x[i][j]))
dat_xx = []
for i in range(0,len(dat_x),18):
dat_xx.append(dat_x[i:i+18])
y = A.obtain_data(path_y)
dat_y = []
for i in range