Sklearn支持向量机

支持向量机(Support Vector Machine, SVM)是一种常用的分类算法,它可以用于解决二分类和多分类问题。在Python中,你可以使用Sklearn库来实现SVM。下面是一个简单的例子,展示了如何使用Sklearn进行SVM分类。

python 复制代码
# 导入必要的库
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
from sklearn import datasets
# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
# 创建SVM模型
svm_model = SVC(kernel='linear')  # 使用线性核
# 训练模型
svm_model.fit(X_train, y_train)
# 使用训练好的模型进行预测
y_pred = svm_model.predict(X_test)
# 计算并打印准确率
accuracy = accuracy_score(y_test, y_pred)
print(f'Accuracy: {accuracy * 100:.2f}%')

这个例子中,我们同样使用了鸢尾花(Iris)数据集。SVM使用核函数来将输入特征映射到高维空间,以便可以找到一个超平面来分隔数据。在这个例子中,我们使用了线性核(kernel='linear'),但在实际应用中,你也可以使用其他类型的核,如多项式核、径向基函数(RBF)核等。

代码步骤如下:

  1. 导入必要的库。
  2. 加载数据集。
  3. 将数据集分为训练集和测试集。
  4. 创建一个SVM模型,选择线性核。
  5. 使用训练集数据训练模型。
  6. 用训练好的模型对测试集进行预测。
  7. 计算预测结果的正确率,并打印出来。
    请注意,SVM的参数有很多,如C(正则化参数)、gamma(用于RBF核的参数)、degree(用于多项式核的参数)等,你可能需要根据具体问题调整这些参数以获得最佳性能。
相关推荐
qqxhb36 分钟前
零基础数据结构与算法——第四章:基础算法-排序(上)
java·数据结构·算法·冒泡·插入·选择
FirstFrost --sy2 小时前
数据结构之二叉树
c语言·数据结构·c++·算法·链表·深度优先·广度优先
森焱森2 小时前
垂起固定翼无人机介绍
c语言·单片机·算法·架构·无人机
搂鱼1145143 小时前
(倍增)洛谷 P1613 跑路/P4155 国旗计划
算法
Yingye Zhu(HPXXZYY)3 小时前
Codeforces 2021 C Those Who Are With Us
数据结构·c++·算法
无聊的小坏坏4 小时前
三种方法详解最长回文子串问题
c++·算法·回文串
长路 ㅤ   4 小时前
Java后端技术博客汇总文档
分布式·算法·技术分享·编程学习·java后端
秋说5 小时前
【PTA数据结构 | C语言版】两枚硬币
c语言·数据结构·算法
qq_513970445 小时前
力扣 hot100 Day37
算法·leetcode
不見星空5 小时前
leetcode 每日一题 1865. 找出和为指定值的下标对
算法·leetcode