支持向量机案例

以下是一个使用支持向量机(SVM)对鸢尾花数据集进行分类的案例:

1. 数据集介绍

鸢尾花数据集是一类多重变量分析的数据集,共有四个属性列和一个品种类别列,用于分类的属性包括花萼长度、花萼宽度、花瓣长度、花瓣宽度,类别包括山鸢尾、变色鸢尾和维吉尼亚鸢尾三类。该数据集通常被用于分类算法的测试和验证。

2. 数据准备

  • 首先导入必要的库,包括用于数据处理的pandas、用于数据分割的train_test_split、支持向量机模型SVC以及用于评估模型的accuracy_score等。

python

复制代码
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
  • 然后读取鸢尾花数据集,假设数据集保存在名为iris.csv的文件中。

python

复制代码
data = pd.read_csv('iris.csv')
  • 接着将数据集分为特征(X)和目标(y)。特征是用于分类的属性,目标是鸢尾花的类别。

python

复制代码
X = data.iloc[:, :-1]
y = data.iloc[:, -1]
  • 最后将数据集划分为训练集和测试集,通常将 70% 的数据用于训练,30% 的数据用于测试。

python

复制代码
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

3. 模型训练

  • 创建一个支持向量机模型,这里使用线性核函数。

python

复制代码
model = SVC(kernel='linear')
  • 使用训练数据对模型进行训练。

python

复制代码
model.fit(X_train, y_train)

4. 模型评估

  • 使用测试集进行预测。

python

复制代码
y_pred = model.predict(X_test)
  • 计算模型的准确率。

python

复制代码
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

5. 结果分析

通过上述步骤,我们可以得到支持向量机模型在鸢尾花数据集上的分类准确率。如果准确率较高,说明模型能够较好地对鸢尾花进行分类。同时,还可以进一步分析模型的混淆矩阵、精确率、召回率等指标,以更全面地评估模型的性能。此外,还可以尝试不同的核函数、调整模型的超参数,如惩罚参数C等,来优化模型的性能。

相关推荐
Blossom.1182 小时前
机器学习在智能供应链中的应用:需求预测与物流优化
人工智能·深度学习·神经网络·机器学习·计算机视觉·机器人·语音识别
Gyoku Mint2 小时前
深度学习×第4卷:Pytorch实战——她第一次用张量去拟合你的轨迹
人工智能·pytorch·python·深度学习·神经网络·算法·聚类
葫三生3 小时前
如何评价《论三生原理》在科技界的地位?
人工智能·算法·机器学习·数学建模·量子计算
拓端研究室5 小时前
视频讲解:门槛效应模型Threshold Effect分析数字金融指数与消费结构数据
前端·算法
随缘而动,随遇而安7 小时前
第八十八篇 大数据中的递归算法:从俄罗斯套娃到分布式计算的奇妙之旅
大数据·数据结构·算法
IT古董8 小时前
【第二章:机器学习与神经网络概述】03.类算法理论与实践-(3)决策树分类器
神经网络·算法·机器学习
水木兰亭11 小时前
数据结构之——树及树的存储
数据结构·c++·学习·算法
学技术的大胜嗷11 小时前
离线迁移 Conda 环境到 Windows 服务器:用 conda-pack 摆脱硬路径限制
人工智能·深度学习·yolo·目标检测·机器学习
还有糕手11 小时前
西南交通大学【机器学习实验10】
人工智能·机器学习
Jess0712 小时前
插入排序的简单介绍
数据结构·算法·排序算法