机器学习-1鸢尾花分类

一． 数据集

这个经典实验的数据集并不是一堆图片，而是一张表。
a) 实验使用sklearn.datasets中的鸢尾花的数据集以及标签，数据集为150行4列。
b)

二． 选择分类器

a) 使用支持向量机进行分类。

三． 实验流程

a) 将数据集标签集一起随机排列，取70%的数据为训练集，30%的数据留作测试集。
b) 构建SVM分类器
c) 模型训练
d) 模型评估

四． 代码

import numpy as np
from matplotlib import colors
from sklearn import svm
from sklearn import model_selection
import matplotlib.pyplot as plt
import matplotlib as mpl
from sklearn.datasets import load_iris


#**********************SVM分类器构建*************************
def classifier():
    clf = svm.SVC(C=0.5,           #误差项惩罚系数,默认值是1
                  kernel='linear',      #线性核 kenrel="rbf":高斯核
                  decision_function_shape='ovr') #决策函数
    return clf
#***********************训练模型*****************************
def train(clf,x_train,y_train):
    clf.fit(x_train,         #训练集特征向量
            y_train.ravel()) #训练集目标值

#**************并判断a b是否相等，计算acc的均值*************
def show_accuracy(a, b, tip):
    acc = a.ravel() == b.ravel()
    print('%s Acc