(转载)python应用svm算法过程

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sklearn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:http://scikit-learn.org/stable/auto_examples/index.html#support-vector-machines

  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、sklearn中svc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。

  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。

  因此我们要额外做一个工作,即通过loadtxt()函数中的converters参数将第五列通过转换函数映射成浮点类型的数据。

  首先,我们要写出一个转换函数:

1
2
3
def  iris_type(s):
     it  =  { 'Iris-setosa' 0 'Iris-versicolor' 1 'Iris-virginica' 2 }
     return  it[s]

  接下来读入数据,converters={4: iris_type}中“4”指的是第5列:

1
2
path  =  u 'D:/f盘/python/学习/iris.data'   # 数据文件路径
data  =  np.loadtxt(path, dtype = float , delimiter = ',' , converters = { 4 : iris_type})

  读入结果:

  

(2)将Iris分为训练集与测试集

1
2
3
x, y  =  np.split(data, ( 4 ,), axis = 1 )
=  x[:, : 2 ]
x_train, x_test, y_train, y_test  =  train_test_split(x, y, random_state = 1 , train_size = 0.6 )

  1. split(数据,分割位置,轴=1(水平分割) or 0(垂直分割))。

  2. x = x[:, :2]是为方便后期画图更直观,故只取了前两列特征值向量训练。

  3. sklearn.model_selection.train_test_split随机划分训练集与测试集。train_test_split(train_data,train_target,test_size=数字, random_state=0)

  参数解释:

  train_data:所要划分的样本特征集

  train_target:所要划分的样本结果

  test_size:样本占比,如果是整数的话就是样本的数量

  random_state:是随机数的种子。

  随机数种子:其实就是该组随机数的编号,在需要重复试验的时候,保证得到一组一样的随机数。比如你每次都填1其他参数一样的情况下你得到的随机数组是一样的。但填0或不填,每次都会不一样。随机数的产生取决于种子,随机数和种子之间的关系遵从以下两个规则:种子不同,产生不同的随机数;种子相同,即使实例不同也产生相同的随机数。

(3)训练svm分类器

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'时,为线性核,C越大分类效果越好,但有可能会过拟合(defaul C=1)。

   kernel='rbf'时(default),为高斯核,gamma值越小,分类界面越连续;gamma值越大,分类界面越“散”,分类效果越好,但有可能会过拟合。

  decision_function_shape='ovr'时,为one v rest,即一个类别与其他类别进行划分,

  decision_function_shape='ovo'时,为one v one,即将类别两两之间进行划分,用二分类的方法模拟多分类的结果。

(4)计算svc分类器的准确率

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,  '训练集' )
print  clf.score(x_test, y_test)
y_hat  =  clf.predict(x_test)
show_accuracy(y_hat, y_test,  '测试集' )

 结果为:

  如果想查看决策函数,可以通过decision_function()实现

1
2
print  'decision_function:\n' , clf.decision_function(x_train)
print  '\npredict:\n' , clf.predict(x_train)

 结果为:

  decision_function中每一列的值代表距离各类别的距离。

(5)绘制图像

  1.确定坐标轴范围,x,y轴分别表示两个特征

1
2
3
4
5
x1_min, x1_max  =  x[:,  0 ]. min (), x[:,  0 ]. max ()   # 第0列的范围
x2_min, x2_max  =  x[:,  1 ]. min (), x[:,  1 ]. max ()   # 第1列的范围
x1, x2  =  np.mgrid[x1_min:x1_max: 200j , x2_min:x2_max: 200j ]   # 生成网格采样点
grid_test  =  np.stack((x1.flat, x2.flat), axis = 1 )   # 测试点
# print 'grid_test = \n', grid_testgrid_hat = clf.predict(grid_test)       # 预测分类值grid_hat = grid_hat.reshape(x1.shape)  # 使之与输入的形状相同

   这里用到了mgrid()函数,该函数的作用这里简单介绍一下:

   假设假设目标函数F(x,y)=x+y。x轴范围1~3,y轴范围4~6,当绘制图像时主要分四步进行:

  【step1:x扩展】(朝右扩展):

       [1 1 1]

   [2 2 2] 

   [3 3 3]

  【step2:y扩展】(朝下扩展): 

   [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:将(xi,yi)代入F(x,y)=x+y】

  因此这里x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j]后的结果为:

  

  再通过stack()函数,axis=1,生成测试点

  

  2.指定默认字体

1
2
mpl.rcParams[ 'font.sans-serif' =  [u 'SimHei' ]
mpl.rcParams[ 'axes.unicode_minus' =  False

  3.绘制

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)   # 样本
plt.scatter(x_test[:,  0 ], x_test[:,  1 ], s = 120 , facecolors = 'none' , zorder = 10 )   # 圈中测试集样本
plt.xlabel(u '花萼长度' , fontsize = 13 )
plt.ylabel(u '花萼宽度' , fontsize = 13 )
plt.xlim(x1_min, x1_max)
plt.ylim(x2_min, x2_max)
plt.title(u '鸢尾花SVM二特征分类' , fontsize = 15 )
# plt.grid()
plt.show()

   pcolormesh(x,y,z,cmap)这里参数代入x1,x2,grid_hat,cmap=cm_light绘制的是背景。

   scatter中edgecolors是指描绘点的边缘色彩,s指描绘点的大小,cmap指点的颜色。

   xlim指图的边界。

最终结果为:

猜你喜欢

转载自www.cnblogs.com/jyxbk/p/9656619.html
今日推荐