Python：支持向量机SVM的使用

除了在Matlab中使用PRTools工具箱中的svm算法外，在Python中也可以使用支持向量机进行分类。由于Python中的sklearn库也集成了SVM算法，本文运行环境为Pycharm。

一、导入sklearn算法包

Scikit-Learn 库实现了所有基本的机器学习算法。详情请参考官方文档：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数据库下载的原始Iris数据集是这样的，前四列是特征列，第五列是类别列。共有三类：山鸢尾、杂色鸢尾和弗吉尼亚鸢尾。这

在使用numpy中的loadtxt函数导入数据集时，假设数据类型dtype是浮点型，但是很明显第五列的数据类型不是浮点型。

因此，我们还要做一个额外的工作，即通过loadtxt()函数中的converters参数，将第五列通过转换函数映射为浮点型数据。

首先，我们要写出一个转换函数：

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：

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

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] 为了后面画图方便，更直观，所以只用前两列特征值向量进行训练。

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：其实就是随机数组的个数。当需要重复实验时，保证得到同一组随机数。比如你每次都填1，那么在其他参数相同的情况下，得到的随机数组是相同的。但是如果填0或者什么都不填，每次都不一样。随机数的产生依赖于种子，随机数与种子的关系遵循以下两个规律：不同的种子会产生不同的随机数；即使实例不同，相同的种子也会生成相同的随机数。

（3）训练svm分类器

# 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())

当kernel='linear'时，为线性核。 C越大，分类效果越好，但可能会过拟合（默认C=1）。

当 kernel='rbf'（默认）时，它是一个高斯核。 gamma值越小，分类界面越连续； gamma值越大，分类界面越“分散”，分类效果越好，但可能会出现过拟合。

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

当decision_function_shape='ovo'时，是one v one，即pair之间划分类别，用二分类的方法来模拟多分类的结果。

（4）计算svc分类器的准确率

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

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

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，这里简单介绍一下这个函数的作用：

假设假设目标函数F(x,y)=x+y。 x轴范围为13，y轴范围为46。绘制图像时，主要分为四个步骤：

【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

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

3.绘制

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中的edgecolors是指绘图点的边缘颜色，s是指绘图点的大小，cmap指向的颜色。

xlim指图的边界。

最终结果为：

python学习网，大量的免费
，欢迎在线学习！

本文转自：https://www.jianshu.com/p/7367245ea990