Python中的支持向量机SVM的使用（有实例）

转自：http://www.cnblogs.com/luyaoblog/p/6775342.html

除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法，本文的运行环境是Pycharm。

一、导入sklearn算法包

　　Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明：http://scikit-learn.org/stable/auto_examples/index.html#support-vector-machines。

　　skleran中集成了许多算法，其导入包的方式如下所示，

　　逻辑回归：from sklearn.linear_model import LogisticRegression

      朴素贝叶斯：from sklearn.naive_bayes import GaussianNB

 　　K-近邻：from sklearn.neighbors import KNeighborsClassifier

 　　决策树：from sklearn.tree import DecisionTreeClassifier

 　　支持向量机：from sklearn import svm

 二、sklearn中svc的使用

（1）使用numpy中的loadtxt读入数据文件

　　loadtxt()的使用方法：

　　

　　fname:文件路径。eg：C:/Dataset/iris.txt。

　　dtype：数据类型。eg：float、str等。

　　delimiter：分隔符。eg：‘，’。

　　converters：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。

　　usecols：选取数据的列。

　　以Iris兰花数据集为例子：

　　由于从UCI数据库中下载的Iris原始数据集的样子是这样的，前四列为特征列，第五列为类别列，分别有三种类别Iris-setosa， Iris-versicolor， Iris-virginica。　　　

　　

　　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，但是很明显第五列的数据类型并不是浮点型。

　　因此我们要额外做一个工作，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：

1 2 3

def  iris_type(s):      it  =  { 'Iris-setosa' :  0 ,  'Iris-versicolor' :  1 ,  'Iris-virginica' :  2 }      return  it[s]

　　接下来读入数据，converters={4: iris_type}中“4”指的是第5列：

1 2	path  =  u 'D:/f盘/python/学习/iris.data'   # 数据文件路径 data  =  np.loadtxt(path, dtype = float , delimiter = ',' , converters = { 4 : iris_type})

　　读入结果：

　　

（2）将Iris分为训练集与测试集

1 2 3

x, y  =  np.split(data, ( 4 ,), axis = 1 ) x  =  x[:, : 2 ] x_train, x_test, y_train, y_test  =  train_test_split(x, y, random_state = 1 , train_size = 0.6 )

　　1. split(数据，分割位置，轴=1（水平分割） or 0（垂直分割）)。

　　2. x = x[:, :2]是为方便后期画图更直观，故只取了前两列特征值向量训练。

　　3. sklearn.model_selection.train_test_split随机划分训练集与测试集。train_test_split(train_data,train_target,test_size=数字, random_state=0)

　　参数解释：

　　train_data：所要划分的样本特征集

　　train_target：所要划分的样本结果

　　test_size：样本占比，如果是整数的话就是样本的数量

　　random_state：是随机数的种子。

　　随机数种子：其实就是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。比如你每次都填1，其他参数一样的情况下你得到的随机数组是一样的。但填0或不填，每次都会不一样。随机数的产生取决于种子，随机数和种子之间的关系遵从以下两个规则：种子不同，产生不同的随机数；种子相同，即使实例不同也产生相同的随机数。

（3）训练svm分类器

1 2 3

# clf = svm.SVC(C=0.1, kernel='linear', decision_function_shape='ovr')      clf  =  svm.SVC(C = 0.8 , kernel = 'rbf' , gamma = 20 , decision_function_shape = 'ovr' )      clf.fit(x_train, y_train.ravel())

 　　kernel='linear'时，为线性核，C越大分类效果越好，但有可能会过拟合（defaul C=1）。

　　 kernel='rbf'时（default），为高斯核，gamma值越小，分类界面越连续；gamma值越大，分类界面越“散”，分类效果越好，但有可能会过拟合。

　　decision_function_shape='ovr'时，为one v rest，即一个类别与其他类别进行划分，

　　decision_function_shape='ovo'时，为one v one，即将类别两两之间进行划分，用二分类的方法模拟多分类的结果。

（4）计算svc分类器的准确率

1 2 3 4 5 6

print  clf.score(x_train, y_train)   # 精度 y_hat  =  clf.predict(x_train) show_accuracy(y_hat, y_train,  '训练集' ) print  clf.score(x_test, y_test) y_hat  =  clf.predict(x_test) show_accuracy(y_hat, y_test,  '测试集' )

 结果为：

　　如果想查看决策函数，可以通过decision_function()实现

1 2	print  'decision_function:\n' , clf.decision_function(x_train) print  '\npredict:\n' , clf.predict(x_train)

 结果为：

　　decision_function中每一列的值代表距离各类别的距离。

（5）绘制图像

　　1.确定坐标轴范围，x，y轴分别表示两个特征

1 2 3 4 5

x1_min, x1_max  =  x[:,  0 ]. min (), x[:,  0 ]. max ()   # 第0列的范围 x2_min, x2_max  =  x[:,  1 ]. min (), x[:,  1 ]. max ()   # 第1列的范围 x1, x2  =  np.mgrid[x1_min:x1_max: 200j , x2_min:x2_max: 200j ]   # 生成网格采样点 grid_test  =  np.stack((x1.flat, x2.flat), axis = 1 )   # 测试点 # print 'grid_test = \n', grid_testgrid_hat = clf.predict(grid_test)       # 预测分类值grid_hat = grid_hat.reshape(x1.shape)  # 使之与输入的形状相同

 　　这里用到了mgrid()函数，该函数的作用这里简单介绍一下：

　　 假设假设目标函数F（x，y）=x+y。x轴范围1~3，y轴范围4~6，当绘制图像时主要分四步进行：

　　【step1：x扩展】(朝右扩展)：

       [1 1 1]

　　 [2 2 2]

　　 [3 3 3]

　　【step2：y扩展】(朝下扩展)：

　　 [4 5 6]

　　 [4 5 6]

　　 [4 5 6]

　　【step3：定位（xi，yi）】：

　　 [(1,4) (1,5) (1,6)]

　　 [(2,4) (2,5) (2,6)]

　　 [(3,4) (3,5) (3,6)]

　　【step4：将（xi，yi）代入F(x,y)=x+y】

　　因此这里x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j]后的结果为：

　　

　　再通过stack()函数，axis=1，生成测试点

　　

　　2.指定默认字体

1 2	mpl.rcParams[ 'font.sans-serif' ]  =  [u 'SimHei' ] mpl.rcParams[ 'axes.unicode_minus' ]  =  False

　　3.绘制

1 2 3 4 5 6 7 8 9 10 11 12

cm_light  =  mpl.colors.ListedColormap([ '#A0FFA0' ,  '#FFA0A0' ,  '#A0A0FF' ]) cm_dark  =  mpl.colors.ListedColormap([ 'g' ,  'r' ,  'b' ]) plt.pcolormesh(x1, x2, grid_hat, cmap = cm_light) plt.scatter(x[:,  0 ], x[:,  1 ], c = y, edgecolors = 'k' , s = 50 , cmap = cm_dark)   # 样本 plt.scatter(x_test[:,  0 ], x_test[:,  1 ], s = 120 , facecolors = 'none' , zorder = 10 )   # 圈中测试集样本 plt.xlabel(u '花萼长度' , fontsize = 13 ) plt.ylabel(u '花萼宽度' , fontsize = 13 ) plt.xlim(x1_min, x1_max) plt.ylim(x2_min, x2_max) plt.title(u '鸢尾花SVM二特征分类' , fontsize = 15 ) # plt.grid() plt.show()

 　　pcolormesh(x,y,z,cmap)这里参数代入x1，x2，grid_hat，cmap=cm_light绘制的是背景。

　　 scatter中edgecolors是指描绘点的边缘色彩，s指描绘点的大小，cmap指点的颜色。

　　 xlim指图的边界。

最终结果为：

源码：

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

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

from  sklearn  import  svm

import  numpy as np

import  matplotlib.pyplot as plt

import  matplotlib as mpl

from  matplotlib  import  colors

from  sklearn.model_selection  import  train_test_split

def  iris_type(s):

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

     return  it[s]

def  show_accuracy(y_hat, y_test, param):

     pass

 

path  =  'F:\\Test\\iris.data'  # 数据文件路径

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

 

x, y  =  np.split(data, ( 4 ,), axis = 1 )

x  =  x[:, : 2 ]

x_train, x_test, y_train, y_test  =  train_test_split(x, y, random_state = 1 , train_size = 0.6 )

 

# clf = svm.SVC(C=0.1, kernel='linear', decision_function_shape='ovr')

clf  =  svm.SVC(C = 0.8 , kernel = 'rbf' , gamma = 20 , decision_function_shape = 'ovr' )

clf.fit(x_train, y_train.ravel())

 

print  clf.score(x_train, y_train)   # 精度

y_hat  =  clf.predict(x_train)

show_accuracy(y_hat, y_train,  '训练集' )

print  clf.score(x_test, y_test)

y_hat  =  clf.predict(x_test)

show_accuracy(y_hat, y_test,  '测试集' )

 

print  'decision_function:\n' , clf.decision_function(x_train)

print  '\npredict:\n' , clf.predict(x_train)

 

x1_min, x1_max  =  x[:,  0 ]. min (), x[:,  0 ]. max ()   # 第0列的范围

x2_min, x2_max  =  x[:,  1 ]. min (), x[:,  1 ]. max ()   # 第1列的范围

x1, x2  =  np.mgrid[x1_min:x1_max: 200j , x2_min:x2_max: 200j ]   # 生成网格采样点

grid_test  =  np.stack((x1.flat, x2.flat), axis = 1 )   # 测试点

 

 

mpl.rcParams[ 'font.sans-serif' ]  =  [u 'SimHei' ]

mpl.rcParams[ 'axes.unicode_minus' ]  =  False

 

cm_light  =  mpl.colors.ListedColormap([ '#A0FFA0' ,  '#FFA0A0' ,  '#A0A0FF' ])

cm_dark  =  mpl.colors.ListedColormap([ 'g' ,  'r' ,  'b' ])

 

# print 'grid_test = \n', grid_test

grid_hat  =  clf.predict(grid_test)        # 预测分类值

grid_hat  =  grid_hat.reshape(x1.shape)   # 使之与输入的形状相同

 

alpha  =  0.5

plt.pcolormesh(x1, x2, grid_hat, cmap = cm_light)      # 预测值的显示

# plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', s=50, cmap=cm_dark)  # 样本

plt.plot(x[:,  0 ], x[:,  1 ],  'o' , alpha = alpha, color = 'blue' , markeredgecolor = 'k' )

plt.scatter(x_test[:,  0 ], x_test[:,  1 ], s = 120 , facecolors = 'none' , zorder = 10 )   # 圈中测试集样本

plt.xlabel(u '花萼长度' , fontsize = 13 )

plt.ylabel(u '花萼宽度' , fontsize = 13 )

plt.xlim(x1_min, x1_max)

plt.ylim(x2_min, x2_max)

plt.title(u '鸢尾花SVM二特征分类' , fontsize = 15 )

# plt.grid()

plt.show()