鸢尾花Iris数据集进行SVM线性分类练习

Anaconda安装

Anaconda3-2020.02-Windows-x86_64安装及使用步骤

创建虚拟环境

打开

创建虚拟环境

创建完成后，需要等待一段时间安装

然后安装 numpy、pandas、sklearn、matplotlib包

命令行输入

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名

鸢尾花数据集使用SVM线性分类

SVM： Svm（support Vector
Mac）又称为支持向量机，是一种二分类的模型。支持向量机可以分为线性和非线性两大类。其主要思想是找到空间中的一个更够将所有数据样本划开的直线（平面或者超平面），并且使得数据集中所有数据到这个超平面的距离最短。

LinearSVC
LinearSVC（Linear Support Vector Classification）线性支持向量机，核函数是inear，不是基于libsvm实现的
参数：
C：目标函数的惩罚系数C，默认C = 1.0；
loss：指定损失函数.squared_hinge(默认), squared_hinge
penalty ： 惩罚方式，str类型，l1, l2
dual ：选择算法来解决对偶或原始优化问题。当nsamples>nfeatures时dual=false
tol ：svm结束标准的精度， 默认是1e - 3
multi_class：如果y输出类别包含多类，用来确定多类策略，ovr表示一对多，“crammer_singer”优化所有类别的一个共同的目标。如果选择“crammer_singer”，损失、惩罚和优化将会被被忽略。
max_it