目录

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。
本文是转载文章,点击查看原文
如有侵权,请联系 xyy@jishuzhan.net 删除
相关推荐
龙俊杰的读书笔记2 小时前
[leetcode] 面试经典 150 题——篇9:二叉树(番外:二叉树的遍历方式)
数据结构·算法·leetcode·面试
sml259(劳改版)4 小时前
数据结构--堆
数据结构·算法·
独家回忆3646 小时前
每日算法-250409
算法
青椒大仙KI116 小时前
25/4/6 算法笔记<仿真O2DES>基础知识学习
笔记·学习·算法
井云智能AI矩阵系统6 小时前
数字人情感表达突破:微表情自动生成的算法革新
算法
一只码代码的章鱼8 小时前
数据结构与算法-图论-复习2(差分约束,强连通分量,二分图,LCA,拓扑排序,欧拉路径和欧拉回路)
数据结构·算法·图论
梁辰兴9 小时前
数据结构实验3.3:求解迷宫路径问题
数据结构·算法·深度优先·数组
阿巴~阿巴~10 小时前
蓝桥杯速成刷题清单(上)
c语言·c++·算法·蓝桥杯
drylong10 小时前
困难 - 2999. 统计强大整数的数目
算法
小美爱刷题10 小时前
力扣DAY40-45 | 热100 | 二叉树:直径、层次遍历、有序数组->二叉搜索树、验证二叉搜索树、二叉搜索树中第K小的元素、右视图
数据结构·算法·leetcode