机器学习笔记(12)---使用Sklearn中的SVM

最新推荐文章于 2025-02-28 10:44:51 发布

原创

最新推荐文章于 2025-02-28 10:44:51 发布 · 1.2k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#sklearn svm #svm #机器学习svm

这篇博客通过实例介绍了如何利用sklearn库实现SVM，强调了在机器学习中运用算法的简易性，同时指出理解SVM理论及样本选择、特征工程的重要性。

svm理论太难理解了，先上个sklearn中的SVM代码提升点信心吧，理论后续补上。

import numpy as np
from sklearn import datasets
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import LinearSVC

def sklearn_svm_test():
    iris = datasets.load_iris()#加载sklearn自带的鸢尾花数据。一共150条数据,分三类,每类50条数据,这三类用0,1,2表示，分别表示：setosa, versicolor, virginica
    #第一条数据特征分别表示：花萼长度, 花萼宽度,花瓣长度, 花瓣宽度.</