数据挖掘实验--基于svm的iris花数据

隐眸

已于 2023-03-22 21:34:52 修改

阅读量453

点赞数

文章标签：数据挖掘支持向量机机器学习

于 2023-03-15 19:54:24 首次发布

本文链接：https://blog.youkuaiyun.com/jiam6/article/details/129566069

版权

该实验使用Iris数据集的前两个属性和0、1两类，构建新的实验数据。通过SVC模型，分别采用线性(line)、多项式(poly)和径向基函数(rbf)三种核函数进行分类，比较了它们的分类精度。结果显示了不同核函数的分类边界，并以图形方式直观呈现了结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

实验要求:

1.提取Iris数据集前两个属性，和0，1两个类别，形成新的实验数据

2.分别使用line、poly、 rbf三种不同核函数对提取数据集进行分类,
比较三种不同核函数的分类精度,并编辑分类边界线

实验实现

# 导包
import numpy as np
from sklearn.datasets import load_iris
import matplotlib.pyplot as plt
from sklearn.svm import SVC

iris = load_iris()
# 提取前两个属性
x = iris.data[:, :2]
# 提取0,1两个类别
y = iris.target
new_x = x[y < 2]
new_y = y[y < 2]
# 形成新数据集
new_iris = (new_x, new_y)

# 定义三种不同的核函数
kernels = ['linear', 'poly', 'rbf']

# 绘制子图布局
fig, sub = plt.subplots(1, 3, figsize=(12, 4))

# 遍历每种核函数
for i, kernel in enumerate(kernels):
    # 创建SVC模型并指定核函数
    clf = SVC(kernel=kernel)
    # 训练模型
    clf.fit(new_x, new_y)
    # 获取分类精度
    score = clf.score(new_x