Python中支持向量机SVM的使用方法详解
73 浏览量
2020-09-20
23:04:36
上传
评论
收藏 177KB PDF 举报
Python中支持向量机中支持向量机SVM的使用方法详解的使用方法详解
主要为大家详细介绍了Python中支持向量机SVM的使用方法，具有一定的参考价值，感兴趣的小伙伴们可以参考
一下
除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集
成了SVM算法，本文的运行环境是Pycharm。
一、导入一、导入sklearn算法包算法包
Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明
skleran中集成了许多算法，其导入包的方式如下所示，
逻辑回归：from sklearn.linear_model import LogisticRegression
朴素贝叶斯：from sklearn.naive_bayes import GaussianNB
K-近邻：from sklearn.neighbors import KNeighborsClassifier
决策树：from sklearn.tree import DecisionTreeClassifier
支持向量机：from sklearn import svm
二、二、sklearn中中svc的使用的使用
（1）使用numpy中的loadtxt读入数据文件
loadtxt()的使用方法：
fname:文件路径。eg：C:/Dataset/iris.txt。
dtype：数据类型。eg：float、str等。
delimiter：分隔符。eg：‘，'。
converters：将数据列与转换函数进行映射的字典。eg：{1:fun}，含义是将第2列对应转换函数进行转换。
usecols：选取数据的列。
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。
当使用numpy中的loadtxt函数导入该数据集时，假设数据类型dtype为浮点型，但是很明显第五列的数据类型并不是浮点型。
资源评论
