このコードは、機械学習におけるサポートベクターマシン (SVM) 分類器の例です。

import time
import random
import xlsxwriter
import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.decomposition import PCA

def file2matrix(filename):
    fr = open(filename)
    lines = fr.readlines()
    numberOfLines = len(lines)
    returnMat = []
    returnLabel = []

    for line in lines:
        line = line.strip()
        listFromLine = line.split('\t')
        if len(listFromLine) == 51:  # 假设每行包含50个特征值和1个标签值
            returnMat.append(listFromLine[0:50])  # 将前50个元素添加到returnMat中
            returnLabel.append(listFromLine[-1])  # 将最后一个元素作为标签添加到returnLabel中

    returnMat = np.array(returnMat, dtype=float)  # 将returnMat转换为浮点类型的NumPy数组
    returnLabel = np.array(returnLabel, dtype=float)  # 将returnLabel转换为浮点类型的NumPy数组
    return returnMat, returnLabel

def autoNorm(dataSet):
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    normDataSet = (dataSet - minVals) / (maxVals - minVals)
    return normDataSet

# 从文件中加载数据
datingDataMat, datingLabels = file2matrix(r'D:\Project\50数据.txt')

# 对数据进行归一化
dataSet = autoNorm(datingDataMat)

# 使用PCA进行降维
pca = PCA(n_components=3)
dataSet = pca.fit_transform(dataSet)

start = time.perf_counter()

testsize = 0.25
# 将数据集拆分为训练集和测试集
xtrain, xtest, ytrain, ytest = train_test_split(dataSet, datingLabels, test_size=testsize)

# 创建并训练SVM模型
model = svm.SVC()
model.fit(xtrain, ytrain)

error = 0
for i in range(len(xtest)):
    # 预测每个测试实例的标签
    result = model.predict(xtest[i, :].reshape(1, -1))
    if result != ytest[i]:
        error += 1

accuracy = (1 - error / len(xtest)) * 100
print('准确率：', accuracy, '%')

end = time.perf_counter()
duration = end - start
print('耗时', duration, '秒')

オーク

主な機能は次のとおりです。

指定されたファイル (filepath filename) からデータセットを読み取ります。
データセットを正規化して固有値を同じ範囲にスケールします。
データセットの次元削減は主成分分析 (PCA) を使用して実行され、データは元の 50 次元から 3 次元に削減されました。
データセットをトレーニングセットとテストセットに分割します。
SVM 分類子モデルを作成し、トレーニングセットを使用してモデルをトレーニングします。
テストセット内の各インスタンスに対して予測が行われ、精度が計算されます。
コードの出力精度と実行時間。

全体的に、このコードはデータセットを分類するための SVM ベースの分類器を実装し、分類器の精度を評価します。

このコードは、機械学習におけるサポート ベクター マシン (SVM) 分類器の例です。

おすすめ

このコードは、機械学習におけるサポートベクターマシン (SVM) 分類器の例です。