sklearn----svm

一、机器学习步骤

      一般的步骤为：

            1）数据采集与标记

            2）特征选择

            3）数据清洗

            4）模型选择

            5）模型训练

            6）模型性能评估与优化

二、sklearn--svm

      1、数据采集

            from sklearn import datasets

            digits = datasets.load_digits()

      2、模型训练

            # 划分数据为训练集与测试集

            from sklearn.model import train_test_split

            Xtrain, Xtest, Ytrain, Ytest = train_test_split(digits.data, digits.target, test_size=0.2, random_state = 2)

            

            # 训练模型

            from sklearn import svm

            clf = svm.SVC(gamma = 0.001, C=100.)

            clf.fit(Xtrain, Ytrain)

      3、模型测试

            clf.score(Xtest, Ytest)

      4、模型保存与加载

            # 模型保存

            from sklearn.externals import joblib

            joblib.dump(clf, 'digits_svm.pkl')

           

           # 模型加载

           clf = joblib.load('digits_svm.pkl')

           Ypred = clf.predeict(Xtest)

           clf.score(Ytest, Ypred)