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
浮灯Foden29 分钟前
算法-每日一题(DAY13)两数之和
开发语言·数据结构·c++·算法·leetcode·面试·散列表
西工程小巴1 小时前
实践笔记-VSCode与IDE同步问题解决指南;程序总是进入中断服务程序。
c语言·算法·嵌入式
Tina学编程1 小时前
48Days-Day19 | ISBN号,kotori和迷宫,矩阵最长递增路径
java·算法
Moonbit2 小时前
MoonBit Perals Vol.06: MoonBit 与 LLVM 共舞 (上):编译前端实现
后端·算法·编程语言
dundunmm2 小时前
【每天一个知识点】时间序列聚类
机器学习·支持向量机·聚类·时序·时序聚类
百度Geek说3 小时前
第一!百度智能云领跑视觉大模型赛道
算法
big_eleven3 小时前
轻松掌握数据结构:二叉树
后端·算法·面试
big_eleven3 小时前
轻松掌握数据结构:二叉查找树
后端·算法·面试
CoovallyAIHub3 小时前
农田扫描提速37%!基于检测置信度的无人机“智能抽查”路径规划,Coovally一键加速模型落地
深度学习·算法·计算机视觉
kyle~4 小时前
OpenCV---特征检测算法(ORB,Oriented FAST and Rotated BRIEF)
人工智能·opencv·算法