【机器学习】SVM对Iris鸢尾花数据集实现多分类

目标

本文旨在掌握如何利用Scikit-learn库构建和训练SVM分类器，并评估其在分类任务中的表现。

环境

Python 3.x

Scikit-learn库（sklearn）

Jupyter Notebook或类似IDE（用于代码编写和结果展示）

数据集

使用sklearn提供的鸢尾花（Iris）数据集。该数据集包含150条记录，每条记录有4个特征（萼片长度、萼片宽度、花瓣长度、花瓣宽度），属于3个类别之一（Setosa、Versicolor、Virginica），是一个典型的多分类数据集。注意：若从本地导入iris.csv则还需要对标签进行编码成如0、1、2；如果直接load_iris()则不用，因为这时已经被自动编码好了。

实验步骤

1. 导入必要的库

导入Scikit-learn中相关数据集、用于数据处理和评估的相关模块、SVM分类器。

2. 加载、划分数据集

使用Scikit-Learn的datasets模块加载Iris数据集。

使用train_test_split函数将数据集划分为训练集和测试集。

3. 数据预处理

由于 SVM 对特征的尺度敏感，使用StandardScaler对特征进行标准化处理。

4. 构建SVM分类器

选择核函数并创建 SVM 模型。可以从linear线性核、rbf高斯核、poly多项式核等不同的核函数中进行选择，观察不同核对分类效果的影响。

5. 模型预测与评估

训练模型并对测试集进行预测，评估模型的表现，使用分类准确率等衡量模型分类效果。

代码参考

以下是一个利用Scikit-learn实现SVM分类Iris数据集的代码示例：

导入必要的库

import numpy as np
import pandas as pd
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score, classification_report, confusion_matrix
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib

加载数据集，并划分训练集和测试集 

# 加载Iris数据集
iris = datasets.load_iris()
X = iris.data  # 特征
y = iris.target  # 标签

数据集划分

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 数据标准化 
# 标准化特征数据
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

构建和训练SVM模型 

# 不同核函数的 SVM 模型
kernels = ['linear', 'rbf', 'poly']
models = {}
for kernel in kernels:
    # 创建模型
    model = SVC(kernel=kernel, random_state=42)
    # 训练模型
    model.fit(X_train, y_train)
    # 保存模型
models[kernel] = model

预测 

图1

评估模型

# 用于存储评估结果
results = {}
# 遍历每个核函数模型，预测并评估
for kernel, model in models.items():
    # 计算分类准确率
    acc = accuracy_score(y_test, y_pred)
    # 分类报告
    report = classification_report(y_test, y_pred, target_names=iris.target_names, output_dict=True)
    # 混淆矩阵
    cm = confusion_matrix(y_test, y_pred)
    # 存储评估结果
    results[kernel] = {
        "accuracy": acc,
        "classification_report": report,
        "confusion_matrix": cm
    }

    # 打印评估结果
    print(f"核函数: {kernel}")
    print(f"分类准确率: {acc:.4f}")
    print("分类报告:")
    print(classification_report(y_test, y_pred, target_names=iris.target_names))
    print("\n混淆矩阵:")
    print(cm)
    print("\n")

# 可视化混淆矩阵对比
fig, axes = plt.subplots(1, 3, figsize=(18, 6))
for i, (kernel, result) in enumerate(results.items()):
    sns.heatmap(result["confusion_matrix"], annot=True, fmt='d', cmap='Blues', ax=axes[i], xticklabels=iris.target_names, yticklabels=iris.target_names)
    axes[i].set_title(f"核函数: {kernel}")
    axes[i].set_xlabel("预测值")
    axes[i].set_ylabel("真实值")
plt.tight_layout()
plt.show()

图2

图3

图4

图5