支持向量机分类模型及其应用

#在上一关基础，对经过缺失值填充、数值变量标准化后的数据集，取前600条记录作为训练数据，后90条记录作为测试数据

#构建支持向量机模型，返回计算结果模型准确率rv和预测准确率r

def return_values():

    import numpy as np

    import pandas as pd

    from sklearn import svm

    X1=np.load('X1.npy') #经过缺失值填充、数值变量标准化后的数据集，numpy数组690*15

    Y=np.load('Y.npy')   #因变量，numpy数组，690个元素

    x=X1[:600,:]

    x1=X1[600:,:]

    y=Y[:600]

    y1=Y[600:]

    clf=svm.SVC(kernel='rbf')

    clf.fit(x,y)

    rv=clf.score(x,y)

    R=clf.predict(x1)

    Z=R-y1

    r=len(Z[Z==0])/len(Z)

    return(rv,r)