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
凌冰_3 小时前
数据结构 - 时间空间复杂度(一)
数据结构·算法·软件工程
Pniubi4 小时前
力扣2 . 两数相加
算法·leetcode·职场和发展
戴·菲瑜4 小时前
为什么PPO难以做出顶级棋类引擎
算法·博弈论·rl·ppo
高洁015 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
在所不辞兄6 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
Oiiouui9 小时前
原始CNN识别与训练模型实现
神经网络·机器学习·cnn
AvocadoZeroOneOI11 小时前
B4500 [GESP202603 三级] 凯撒密码 详细解题报告
c++·算法
罗西的思考12 小时前
【轻量化复现大模型 / KIMI K3】训练模块梳理 & Muon P2P 优化器
人工智能·深度学习·机器学习
cjz389913 小时前
双指针技巧:覆盖式双指针(原地覆盖)
算法
伞伞悦读14 小时前
【第90期】KNN分类回归流水线与K值对照的实验与排查
大数据·人工智能·python·深度学习·机器学习