1.ケース：ディシジョン・ツリーは、脂肪や薄いを定義するために、同じ身長と体重で、ケースデータを継承しました。テキストファイル（7.SVM.txt）以下、3つの列はそれぞれ、体重（kg）および脂肪または薄い（シン/脂肪）を身長（m）を表します。
2.質問：2人、1の高さ1.6メートル、体重30キロ、別の高さ1.6メートル、体重300キロがありますが、私は、各脂肪や薄いそれを頼みますか？
3.データのドキュメント：7.SVM.txt、次のように。
1.5 40薄い
1.5 50脂肪
1.5 60脂肪
1.6 40薄い
1.6 50薄い
1.6 60脂肪
1.6 70脂肪
1.7 50薄い
1.7 60薄い
1.7 70脂肪
1.7 80脂肪
1.8 60薄い
1.8 70薄い
1.8 80脂肪
1.8 90脂肪
1.9 80薄い
1.9 90脂肪
4.Sampeコード：
#coding：UTF-8
のNPとしてインポートnumpyの
SPとしてインポートscipyのダウンロード
sklearnインポートSVMから
sklearn.cross_validationインポートtrain_test_splitのから
PLTとしてインポートmatplotlib.pyplot
＃----に関する情報含まれている
データ= []
ラベル= []
：オープン（ "7.svm.txt"）とIFILE AS
：ラインのためのIFILE内
のトークン= line.strip（）スプリット（ ''）。
データ。追加（[用フロート（TK）トークンでTK [ - 1]）＃の身長と体重データが読み出さ
labels.append（トークン[-1]）＃は、脂肪または薄い読み取ら
＃データは、アレイに配置される
X = np.array（データ）
ラベル= np.array（ラベル）
Y = np.zeros（labels.shape）
＃ラベルが0/1に変換され、薄いは0、脂肪の代表を表す。1
Y [ラベル== 'FAT'] = 1
＃トレーニングモデル、特徴抽出の
＃パラメータ：リニア代表は線形モデルです
CLF = svm.SVC（カーネル= 'リニア'）
clf.fit（X、Y）
----＃予測結果出力
印刷clf.predictを（[1.6、30]]）
印刷clf.predict（[1.6、300]）
5.結果：
[0.05]
出典：CSDN
オリジナル：https://blog.csdn.net/u011775523/article/details/52759452
著作権：この記事はブロガーのオリジナルの記事、再現され、ボーエンのリンクを添付してください！