除了在Matlab中使用PRTools工具箱中的svm算法，Python中一樣可以使用支持向量機(jī)做分類。因?yàn)镻ython中的sklearn庫(kù)也集成了SVM算法，本文的運(yùn)行環(huán)境是Pycharm。
一、導(dǎo)入sklearn算法包
Scikit-Learn庫(kù)已經(jīng)實(shí)現(xiàn)了所有基本機(jī)器學(xué)習(xí)的算法，具體使用詳見(jiàn)官方文檔說(shuō)明：http://scikit-learn.org/stable/auto_examples/index.html#support-vector-machines。
skleran中集成了許多算法，其導(dǎo)入包的方式如下所示，
邏輯回歸：from sklearn.linear_model import LogisticRegression
樸素貝葉斯：from sklearn.naive_bayes import GaussianNB
K-近鄰：from sklearn.neighbors import KNeighborsClassifier
決策樹：from sklearn.tree import DecisionTreeClassifier
支持向量機(jī)：from sklearn import svm
二、sklearn中svc的使用
（1）使用numpy中的loadtxt讀入數(shù)據(jù)文件
loadtxt()的使用方法：
fname:文件路徑。eg：C:/Dataset/iris.txt。
dtype：數(shù)據(jù)類型。eg：float、str等。
delimiter：分隔符。eg：‘，’。
converters：將數(shù)據(jù)列與轉(zhuǎn)換函數(shù)進(jìn)行映射的字典。eg：{1:fun}，含義是將第2列對(duì)應(yīng)轉(zhuǎn)換函數(shù)進(jìn)行轉(zhuǎn)換。
usecols：選取數(shù)據(jù)的列。
以Iris蘭花數(shù)據(jù)集為例子：
由于從UCI數(shù)據(jù)庫(kù)中下載的Iris原始數(shù)據(jù)集的樣子是這樣的，前四列為特征列，第五列為類別列，分別有三種類別Iris-setosa， Iris-versicolor， Iris-virginica?！ ?/span>
當(dāng)使用numpy中的loadtxt函數(shù)導(dǎo)入該數(shù)據(jù)集時(shí)，假設(shè)數(shù)據(jù)類型dtype為浮點(diǎn)型，但是很明顯第五列的數(shù)據(jù)類型并不是浮點(diǎn)型。
因此我們要額外做一個(gè)工作，即通過(guò)loadtxt()函數(shù)中的converters參數(shù)將第五列通過(guò)轉(zhuǎn)換函數(shù)映射成浮點(diǎn)類型的數(shù)據(jù)。
首先，我們要寫出一個(gè)轉(zhuǎn)換函數(shù)：
1 2 3 | def iris_type(s): it = {'Iris-setosa': 0, 'Iris-versicolor': 1, 'Iris-virginica': 2} return it[s] |
接下來(lái)讀入數(shù)據(jù)，converters={4: iris_type}中“4”指的是第5列：
1 2 | path = u'D:/f盤/python/學(xué)習(xí)/iris.data' # 數(shù)據(jù)文件路徑data = np.loadtxt(path, dtype=float, delimiter=',', converters={4: iris_type}) |
讀入結(jié)果：
（2）將Iris分為訓(xùn)練集與測(cè)試集
1 2 3 | 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) |
1. split(數(shù)據(jù)，分割位置，軸=1（水平分割） or 0（垂直分割）)。
2. x = x[:, :2]是為方便后期畫圖更直觀，故只取了前兩列特征值向量訓(xùn)練。
3. sklearn.model_selection.train_test_split隨機(jī)劃分訓(xùn)練集與測(cè)試集。train_test_split(train_data,train_target,test_size=數(shù)字, random_state=0)
參數(shù)解釋：
train_data：所要?jiǎng)澐值臉颖咎卣骷?/p>
train_target：所要?jiǎng)澐值臉颖窘Y(jié)果
test_size：樣本占比，如果是整數(shù)的話就是樣本的數(shù)量
random_state：是隨機(jī)數(shù)的種子。
隨機(jī)數(shù)種子：其實(shí)就是該組隨機(jī)數(shù)的編號(hào)，在需要重復(fù)試驗(yàn)的時(shí)候，保證得到一組一樣的隨機(jī)數(shù)。比如你每次都填1，其他參數(shù)一樣的情況下你得到的隨機(jī)數(shù)組是一樣的。但填0或不填，每次都會(huì)不一樣。隨機(jī)數(shù)的產(chǎn)生取決于種子，隨機(jī)數(shù)和種子之間的關(guān)系遵從以下兩個(gè)規(guī)則：種子不同，產(chǎn)生不同的隨機(jī)數(shù)；種子相同，即使實(shí)例不同也產(chǎn)生相同的隨機(jī)數(shù)。
（3）訓(xùn)練svm分類器
1 2 3 | # clf = svm.SVC(C=0.1, kernel='linear', decision_function_shape='ovr') clf = svm.SVC(C=0.8, kernel='rbf', gamma=20, decision_function_shape='ovr') clf.fit(x_train, y_train.ravel()) |
kernel='linear'時(shí)，為線性核，C越大分類效果越好，但有可能會(huì)過(guò)擬合（defaul C=1）。
kernel='rbf'時(shí)（default），為高斯核，gamma值越小，分類界面越連續(xù)；gamma值越大，分類界面越“散”，分類效果越好，但有可能會(huì)過(guò)擬合。
decision_function_shape='ovr'時(shí)，為one v rest，即一個(gè)類別與其他類別進(jìn)行劃分，
decision_function_shape='ovo'時(shí)，為one v one，即將類別兩兩之間進(jìn)行劃分，用二分類的方法模擬多分類的結(jié)果。
（4）計(jì)算svc分類器的準(zhǔn)確率
1 2 3 4 5 6 | print clf.score(x_train, y_train) # 精度y_hat = clf.predict(x_train)show_accuracy(y_hat, y_train, '訓(xùn)練集')print clf.score(x_test, y_test)y_hat = clf.predict(x_test)show_accuracy(y_hat, y_test, '測(cè)試集') |
結(jié)果為：
如果想查看決策函數(shù)，可以通過(guò)decision_function()實(shí)現(xiàn)
1 2 | print 'decision_function:\n', clf.decision_function(x_train)print '\npredict:\n', clf.predict(x_train) |
結(jié)果為：
decision_function中每一列的值代表距離各類別的距離。
（5）繪制圖像
1.確定坐標(biāo)軸范圍，x，y軸分別表示兩個(gè)特征
1 2 3 4 5 | x1_min, x1_max = x[:, 0].min(), x[:, 0].max() # 第0列的范圍x2_min, x2_max = x[:, 1].min(), x[:, 1].max() # 第1列的范圍x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j] # 生成網(wǎng)格采樣點(diǎn)grid_test = np.stack((x1.flat, x2.flat), axis=1) # 測(cè)試點(diǎn)# print 'grid_test = \n', grid_testgrid_hat = clf.predict(grid_test) # 預(yù)測(cè)分類值grid_hat = grid_hat.reshape(x1.shape) # 使之與輸入的形狀相同 |
這里用到了mgrid()函數(shù)，該函數(shù)的作用這里簡(jiǎn)單介紹一下：
假設(shè)假設(shè)目標(biāo)函數(shù)F（x，y）=x+y。x軸范圍1~3，y軸范圍4~6，當(dāng)繪制圖像時(shí)主要分四步進(jìn)行：
【step1：x擴(kuò)展】(朝右擴(kuò)展)：
[1 1 1]
[2 2 2]
[3 3 3]
【step2：y擴(kuò)展】(朝下擴(kuò)展)：
[4 5 6]
[4 5 6]
[4 5 6]
【step3：定位（xi，yi）】：
[(1,4) (1,5) (1,6)]
[(2,4) (2,5) (2,6)]
[(3,4) (3,5) (3,6)]
【step4：將（xi，yi）代入F(x,y)=x+y】
因此這里x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j]后的結(jié)果為：
再通過(guò)stack()函數(shù)，axis=1，生成測(cè)試點(diǎn)
2.指定默認(rèn)字體
1 2 | mpl.rcParams['font.sans-serif'] = [u'SimHei']mpl.rcParams['axes.unicode_minus'] = False |
3.繪制
1 2 3 4 5 6 7 8 9 10 11 12 | cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF'])cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b'])plt.pcolormesh(x1, x2, grid_hat, cmap=cm_light)plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', s=50, cmap=cm_dark) # 樣本plt.scatter(x_test[:, 0], x_test[:, 1], s=120, facecolors='none', zorder=10) # 圈中測(cè)試集樣本plt.xlabel(u'花萼長(zhǎng)度', fontsize=13)plt.ylabel(u'花萼寬度', fontsize=13)plt.xlim(x1_min, x1_max)plt.ylim(x2_min, x2_max)plt.title(u'鳶尾花SVM二特征分類', fontsize=15)# plt.grid()plt.show() |
pcolormesh(x,y,z,cmap)這里參數(shù)代入x1，x2，grid_hat，cmap=cm_light繪制的是背景。
scatter中edgecolors是指描繪點(diǎn)的邊緣色彩，s指描繪點(diǎn)的大小，cmap指點(diǎn)的顏色。
xlim指圖的邊界。
最終結(jié)果為：
聯(lián)系客服
