13、机器学习分类模型的应用与决策树算法详解

机器学习分类模型的应用与决策树算法详解

1. 支持向量机（SVM）的应用示例

1.1 胎儿状态分类

在成功应用线性核的支持向量机（SVM）后，我们来看一个使用径向基函数（RBF）核的 SVM 示例。我们要构建一个分类器，帮助产科医生将胎儿监护图（CTGs）分为三种胎儿状态之一：正常、可疑和病理。

• 数据获取 ：使用的胎儿监护图数据集来自 UCI 机器学习库 ，可直接从 这里 下载为 .xls 格式的 Excel 文件。该数据集包含胎儿心率和子宫收缩的测量值作为特征，胎儿状态类别代码（1 = 正常，2 = 可疑，3 = 病理）作为标签，共有 2126 个样本，23 个特征。基于样本数量和特征数量（2126 并非远大于 23），RBF 核是首选。
• 数据处理 ：使用 pandas 处理 Excel 文件，若运行代码时提示缺少 xlrd 包，可在终端运行 pip install xlrd 进行安装。以下是具体代码：

import pandas as p