python svm 实例_Python支持向量机（SVM）实例

SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。

Matlab中有林智仁编写的libsvm工具包可以很好地进行进行SVM训练。Python中我们有sklearn工具包来进行机器学习算法训练，Scikit-Learn库已经实现了所有基本机器学习的算法。

下面以以Iris兰花数据集为例子：

由于从UCI数据库中下载的Iris原始数据集的样子是这样的，前四列为特征列，第五列为类别列，分别有三种类别Iris-setosa， Iris-versicolor， Iris-virginica。

需要使用numpy对其进行分割操作。

下载iris.data即可。

Python3代码：

Python

from sklearn import svm

import numpy as np

import matplotlib.pyplot as plt

import matplotlib as mpl

from matplotlib import colors

from sklearn.model_selection import train_test_split

def iris_type(s):

it = {b'Iris-setosa': 0, b'Iris-versicolor': 1, b'Iris-virginica': 2}

return it[s]

path = 'C:\\Users\\dell\\desktop\\iris.data' # 数据文件路径

data = np.loadtxt(path, dtype=float, delimiter=',', converters={4: iris_type})

x, y = np.split(data, (4,), axis=1)

x = x[:, :2]

x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1, train_size=0.6)

# clf = svm.SVC(C=0.1, kernel='linear', decision_function_shape=&