使用Python调用svm训练器

此文献给帆帆，笔芯~

一、导入相应的库

from sklearn import svm
import numpy as np
from sklearn.model_selection import train_test_split

1.sklearn封装了大量的机器学习算法，甚至包含一些数据集。这里 引入svm相关函数。
官方学习文档
2.NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库，有助于利用python进行机器学习。
3.sklearn.model_selection，用于划分数据集，见第四部分。

二、读取数据

path='c:/DATA/DATA1000.txt'
data=np.loadtxt(path,dtype=float,delimiter=',')

使用numpy中的loadtxt函数来读取数据。

参数说明：
1.fname：读取数据路径
2.dtype：数据类型，常用str,float
3.delimiter：分隔符，例如 逗号
4.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。如果前期数据集都在预处理阶段处理成合适的样子，就可以不用这个参数。

三、划分数据与标签

在我使用的数据集里，经过预处理之后如上图所示。前四列是数据，第五列是标签，标签由0或1表示，且全部由逗号相隔。
这一步的作用是告诉分类器 前四列是训练根据，即特征值，第五列是训练结果，即标签。

#x是数据，y为标签
x,y=np.split(data,indices_or_sections=(4,),axis=1)

split()参数说明
1.data：要划分的数据，这个在前面有说明，就是通过loadtxt读取进来的数据
2.indices_or_sections：如果是一个整数n，就平均分成n份；如果是带括号的，例如（4，）：分为两部分，前四列和之后的其他部分。
3.axis：沿着哪一个维度进行切分：=0，横向切分；=1纵向切分。

四、划分训练集和测试集

我们需要将整个数据集划分为训练集和测试集两部分。
训练集训练分类器svm，并用测试集来测试准确率。

train_data,test_data,train_label,test_label=sklearn.model_selection.train_test_split(x,y,random_state=1,train_size=0.6,test_size=0.4)

参数说明：
1.x：特征值
2.y：标签
3.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。
4.train_size：训练集所占的比例
5.test_size：测试集所占的比例

五、训练SVM

classifier=svm.SVC(C=1,kernel='rbf',gamma=1,decision_function_shape='ovr')#设置训练器
classifier.fit(train_data,train_label.ravel())#对训练集部分进行训练

参数说明：
svm.SVC参数详细说明
简单说一下我的理解：kernel='liner’时为线性分类，此时不再需要其他参数。

但是 当数据线性不可分时(如下图)，就需要将数据映射到高维中，进行求解。

高维时kernel=‘rbf’，在这种情况下，有两个比较重要的参数：C，gamma。这两个参数的取值需要自己想办法确定，比如可以使用大多数人的选择。当然也有一些特殊的算法来找到最优的参数。
1.网格搜索法：简单理解就是在一定的范围内遍历。
优点：简单，可以找到全局最优。缺点：效率低，非常不适用于大数据集。
2.遗传算法、粒子群算法、蚁群算法，我还在学习中~

六、计算准确率

print("训练集：",classifier.score(train_data,train_label))
print("测试集：",classifier.score(test_data,test_label))

这一步直接调用函数即可。