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
科大饭桶1 小时前
数据结构自学Day5--链表知识总结
数据结构·算法·leetcode·链表·c
我爱C编程3 小时前
基于Qlearning强化学习的1DoF机械臂运动控制系统matlab仿真
算法
chao_7893 小时前
CSS表达式——下篇【selenium】
css·python·selenium·算法
chao_7894 小时前
Selenium 自动化实战技巧【selenium】
自动化测试·selenium·算法·自动化
YuTaoShao4 小时前
【LeetCode 热题 100】24. 两两交换链表中的节点——(解法一)迭代+哨兵
java·算法·leetcode·链表
怀旧,4 小时前
【数据结构】8. 二叉树
c语言·数据结构·算法
泛舟起晶浪4 小时前
相对成功与相对失败--dp
算法·动态规划·图论
地平线开发者4 小时前
地平线走进武汉理工,共建智能驾驶繁荣生态
算法·自动驾驶
IRevers5 小时前
【自动驾驶】经典LSS算法解析——深度估计
人工智能·python·深度学习·算法·机器学习·自动驾驶
前端拿破轮5 小时前
翻转字符串里的单词,难点不是翻转,而是正则表达式?💩💩💩
算法·leetcode·面试