使用sklearn中的svm算法做数据二分类的小练习

最新推荐文章于 2024-08-26 21:20:43 发布
最新推荐文章于 2024-08-26 21:20:43 发布
阅读量1k 收藏 1
点赞数
分类专栏： python小白 文章标签： python svm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/gm9626/article/details/109670074
版权

数据集放在若干个TXT文档中，内容是纯浮点数，数据标签在TXT的文件名中已给出。

流程就是先把数据读入，然后再用sklearn中的svm算法进行处理。

读入时用到了pandas。

 

df1 = pd.read_table("D:/PycharmProjects\\test1\\venv\\FanWei\\1-3\\S001C001P001R001A001_0.txt", header=None, sep=',')
df1.loc[:, 75]=0

问题1：直接复制的路径再python中无法读取。

原来是python中路径要用正斜杠/，用反斜杠\时有时会出错，可以使用两个\\进行转义。

问题2：pandas中readtable无法读取TXT中的数据

检查了一遍数据，排列没问题。察觉到可能是分隔符的问题，readtable的默认分隔符是制表符，加上sep参数后解决。

问题3：如何在最后一列添加上统一的标签

使用.loc函数，具体的使用方法还要再看看，东西好多

df = pd.concat([df1, df2, df3, df4, df5, df6, df7, df8, df9, df10])

问题4.如何将所有的database连接

使用.concat方法

x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1, train_size=0.8)

问题5：train_test_split报错

原因好像是这个版本的sklearn不自带这个方法 ，在开头引入就可以了

from sklearn.model_selection import train_test_split

问题7：svm算法中的几个参数会对算法的准确度产生影响

继续研究

 

 

python基于sklearn的SVM和留一法（LOOCV）进行二分类
qq_38941890的博客
04-13 6235
基于sklearn的SVM和留一法（LOOCV）进行二分类 需要的导入包 import numpy as np from sklearn.model_selection import LeaveOneOut from sklearn.preprocessing import StandardScaler from sklearn.svm import SVC import scipy.io as scio # 用于读取matlab格式的数据 import copy 数据准备 首先导入两组人的特征（n个）
【机器学习-贷款用户逾期情况分析】1.模型构建
qq_40314507的博客
01-03 2521
0.数据介绍 数据的下载地址 https://pan.baidu.com/s/1dtHJiV6zMbf_fWPi-dZ95g 注：这份数据集是金融数据（非原始数据，已经处理过了），我们要做的是预测贷款用户是否会逾期。表格中 "status" 是结果标签：0表示未逾期，1表示逾期。   1.模型构建     1.0任务说明 将金融数据集三七分，随机种子2018，调用sklearn包，简...
sklearn之SVM二分类
热门推荐
XuShuai
12-04 1万+
理论部分 线性支持向量机 对偶形式支持向量机 核函数支持向量机 软间隔支持向量机 Kernel Logistic Regression Support Vector Regression(SVR) 使用sklearn实现的不同核函数的SVM使用不同核函数的SVMSVM用于二分类问题并可视化分类结果。# -*- coding: utf-8 -*- import numpy as np import
SVM二分类实例（sklearn）
qq_41663800的博客
12-15 5403
sklearn-svm代码 from sklearn import svm # 导入sklearn包的相应模块 import pandas as pd #------------------------------------加载students数据集------------------------------------- file_path = r'student.xl...
SKlearn SVM二分类主要代码及参数解释
美酒爱尔兰的博客
07-16 1万+
from sklearn.svm import SVC clf = SVC(kernel='rbf')#调参 clf.fit(X, y)#训练 print(clf.fit(X, y))#输出参数设置 p = 1#正确分类的个数 for i in range(len(test_dataset)):#循环检测测试数据分类成功的个数 if clf.predict(np.array([test_...
sklearn提供的自带的数据集
weixin_34128839的博客
06-10 2866
sklearn 的数据集有好多个种 自带的小数据集（packaged dataset）：sklearn.datasets.load_<name> 可在线下载的数据集（Downloaded Dataset）：sklearn.datasets.fetch_<name> 计算机生成的数据集（Generated Dataset）：sklearn.datasets.make_&lt...
机器学习算法（三）：支持向量机（SVM）的sklearn调用
smalltorch的博客
06-26 1267
本节只会介绍SVM的一些sklearn的高级API调用接口，具体的理论推导这个模型的推导还是很复杂的，这里就不给出具体的理论了。具体理论还请读者自己想办法查阅资料吧。本来是有打算将理论也在这里附上，但很显然这个模型并不像线性回归和逻辑回归那样简单的几个公式就能够说明的，如果需要在这里讲述明白，需要大量的文字叙述，那么读者还不如去找一本详细介绍该模型的书看。最后面的sklearn网格搜索最优参数的技术很有用，要记得用哟，这个技术是通用适合sklearn里面各种模型的。
机器学习Sklearn——SVM支持向量机（基础理论、决策过程可视化)
qq_47250064的博客
08-25 3856
手撕SVM损失函数的求解，有拉格朗日乘子法、对偶问题、KKT条件，将使用SVM进行决策过程可视化从线性的推广到非线性的3D图中。
鸢尾花Iris数据集SVM线性分类练习
CHL的博客
03-20 1339
目录一、配置虚拟环境二、开始实验三、完整代码四、参考资料 一、配置虚拟环境 这里选用命令行方式创建虚拟环境 首先打开cmd，输入命令 conda create -n exam1 python=3.8 exam1 是虚拟环境的文件名，python 版本 3.8 中间记得输入y，如图说明安装成功 输入命令进入 exam1 虚拟环境 activate conda activate exam1 进入虚拟环境后，下载实验所需包 pip install numpy -i "https://py
sklearn-SVC(svm)
qq_42053666的博客
10-18 1875
fit原义指的是安装、使适合的意思 是一个适配的过程，过程都是确定的，最后得到一个可用于转换的有价值的信息。（目前可以简单理解为：fit获取了关于数据的有效信息，transform利用fit提供的有效信息进行特征转换） kernel: str参数 默认为‘rbf’ 算法中采用的核函数类型，可选参数有： ‘linear’:线性核函数 ‘poly’：多项式核函数 ‘rbf’：径像核函数/高斯核 ‘sigmod’:sigmod核函数 ‘precomputed’:核矩阵 ★fit()方法：用于训练
SVM算法应用综合练习
xyj_xyjxyj的博客
11-18 927
SVM算法应用综合练习一.SVM算法应用综合练习1.将libsvm加入新建项目2.在libsvm文件夹中打开svm-toy.exe3.运行4.line.txt 线性模型；poly.txt多项式模型；RBF.txt 高斯核模型二.人脸识别1.拍摄20张脸部图片2.特征点采集3.人脸识别三.参考 一.SVM算法应用综合练习 1.将libsvm加入新建项目 2.在libsvm文件夹中打开svm-toy.exe 3.运行 4.line.txt 线性模型；poly.txt多项式模型；RBF.txt 高斯核模型
SVM图像分类：使用`sklearn.svm`进行图像分类
02-05
SVM图像分类：使用`sklearn.svm`进行图像分类
SVM二分类代码
01-11
支持向量机算法简单实现和评估。基于tensorflow框架实现
用svm对数据进行二分类（完整代码）
bookshu6的博客
12-26 1万+
一、前言 这是笔者学习opencv中svm的一个小例子，数据集是用sk-learn库中的函数生成的。功能就是对该数据进行二分类。 为了学习的更深入，笔者将svm常用的四种核，linear，inter，sigmoid，rbf作了对比。 详细步骤见代码 二、代码 import numpy as np from cv2 import cv2 from sklearn import datasets import matplotlib.pyplot as plt from sklearn import model_
SVM算法进行二分类
weixin_46737718的博客
11-16 2108
1.预测类别是1还是2 import numpy as np X = np.array([[-1, 1], [-2, -1], [3, 1], [2, 1]]) #数据特征 y = np.array([1, 2, 1, 2]) # 数据对应的标签 from sklearn.svm import SVC # 导入svm的svc类（支持向量分类） clf = SVC() # 创建分类器对象 clf.fit(X, y) # 用训练数据拟合分类器模型 SVC(C=1.0, cache_size=200)
【机器学习】sklearn实现SVM分类算法
To be a better man
10-22 1万+
【机器学习】sklearn实现SVM分类算法
sklearn学习笔记（二）——最近邻分类
wzy的博客
04-19 1500
一、概述 最近邻可以分为无监督和有监督，有监督可以分为分类和回归。 最近邻的思想是测试样本距离训练样本的距离。 最近邻是非归纳型方法，是基于实例的方法。它只是记住了训练样本，并按高级索引结构进行转换，比如Ball Tree或者KD Tree。 在sklearn.neighbors中可以处理Numpy数组。 scikit-learn中最近邻有两种方法：K近邻（限定个数）和R
《机器学习》—— 支持向量机（SVM）实现二分类问题
最新发布
weixin_73504499的博客
08-26 2749
一、什么是支持向量机（SVM）、二、示例：支持向量机（SVM）实现二分类问题
sklearn常见分类器（二分类）
grouper2013的博客
06-12 1529
import pandas as pd import matplotlib matplotlib.rcParams['font.sans-serif']=[u'simHei'] matplotlib.rcParams['axes.unicode_minus']=False from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split from sklearn.metri
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值