機器學習演算法——支援向量機svm,實現過程
阿新 • • 發佈:2018-12-09
初學使用python語言來實現支援向量機演算法對資料進行處理的全過程。
from sklearn.datasets import load_iris #匯入資料集模組 from sklearn.model_selection import train_test_split #匯入資料分割模組 from sklearn.metrics import accuracy_score # 匯入預測結果準確率 from sklearn.metrics import classification_report #匯入輸出資料集訓練報告 from sklearn import svm #匯入支援向量機模組 #匯入資料集 iris=load_iris() x=iris.data y=iris.target #分割資料集 X_train, X_test, y_train, y_test = train_test_split(x, y) #構造向量機主體 clf=svm.SVC() clf.fit(X_train,y_train) #預測資料集 data_pre=clf.predict(X_test) #對模型效能進行評估 print (clf.score(X_train, y_train) ) #對模型的預測結果準確率進行評估 accuracy_score(clf.predict(X_train), y_train, '訓練集') #同上,對測試集資料進行評估 print (clf.score(X_test, y_test)) accuracy_score(clf.predict(X_test), y_test, '測試集') #輸出測試集評估報告,召回率等指標 print(classification_report(clf.predict(X_test),y_test))