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做分類。因為Python中的sklearn庫也集成了SVM算法，本文的運行環境是Pycharm。

一、導入sklearn算法包

Scikit-Learn庫已經實現了所有基本機器學習的算法，具體使用詳見官方文檔說明：http://scikit-learn.org/stable/auto_examples/index.html。

skleran中集成了許多算法，其導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：from sklearn import svm

二、sklearn中svc的使用

（1）使用numpy中的loadtxt讀入數據文件

loadtxt()的使用方法：

fname:文件路徑。eg：C:/Dataset/iris.txt。

dtype：數據類型。eg：float、str等。

delimiter：分隔符。eg：‘，'。

converters：將數據列與轉換函數進行映射的字典。eg：{1:fun}，含義是將第2列對應轉換函數進行轉換。

usecols：選取數據的列。

以Iris蘭花數據集為例子：

由于從UCI數據庫中下載的Iris原始數據集的樣子是這樣的，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。　　　

當使用numpy中的loadtxt函數導入該數據集時，假設數據類型dtype為浮點型，但是很明顯第五列的數據類型并不是浮點型。

因此我們要額外做一個工作，即通過loadtxt()函數中的converters參數將第五列通過轉換函數映射成浮點類型的數據。

首先，我們要寫出一個轉換函數：

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

接下來讀入數據，converters={4: iris_type}中“4”指的是第5列：

1. path = u'D:/f盤/python/學習/iris.data' # 數據文件路徑
2. data = np.loadtxt(path, dtype=float, delimiter=',', converters={4: iris_type})

讀入結果：

（2）將Iris分為訓練集與測試集

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

1.split(數據，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練。

3. sklearn.model_selection.train_test_split隨機劃分訓練集與測試集。train_test_split(train_data,train_target,test_size=數字, random_state=0)

參數解釋：

• train_data：所要劃分的樣本特征集
• train_target：所要劃分的樣本結果
• test_size：樣本占比，如果是整數的話就是樣本的數量
• random_state：是隨機數的種子。

隨機數種子：其實就是該組隨機數的編號，在需要重復試驗的時候，保證得到一組一樣的隨機數。比如你每次都填1，其他參數一樣的情況下你得到的隨機數組是一樣的。但填0或不填，每次都會不一樣。隨機數的產生取決于種子，隨機數和種子之間的關系遵從以下兩個規則：種子不同，產生不同的隨機數；種子相同，即使實例不同也產生相同的隨機數。

（3）訓練svm分類器

1. # clf = svm.SVC(C=0.1, kernel='linear', decision_function_shape='ovr')
2. clf = svm.SVC(C=0.8, kernel='rbf', gamma=20, decision_function_shape='ovr')
3. clf.fit(x_train, y_train.ravel())

kernel='linear'時，為線性核，C越大分類效果越好，但有可能會過擬合（defaul C=1）。

kernel='rbf'時（default），為高斯核，gamma值越小，分類界面越連續；gamma值越大，分類界面越“散”，分類效果越好，但有可能會過擬合。

decision_function_shape='ovr'時，為one v rest，即一個類別與其他類別進行劃分，

decision_function_shape='ovo'時，為one v one，即將類別兩兩之間進行劃分，用二分類的方法模擬多分類的結果。

（4）計算svc分類器的準確率

1. print clf.score(x_train, y_train) # 精度
2. y_hat = clf.predict(x_train)
3. show_accuracy(y_hat, y_train, '訓練集')
4. print clf.score(x_test, y_test)
5. y_hat = clf.predict(x_test)
6. show_accuracy(y_hat, y_test, '測試集')

結果為：

如果想查看決策函數，可以通過decision_function()實現

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

結果為：

decision_function中每一列的值代表距離各類別的距離。

（5）繪制圖像

1.確定坐標軸范圍，x，y軸分別表示兩個特征

1. x1_min, x1_max = x[:, 0].min(), x[:, 0].max() # 第0列的范圍
2. x2_min, x2_max = x[:, 1].min(), x[:, 1].max() # 第1列的范圍
3. x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j] # 生成網格采樣點
4. grid_test = np.stack((x1.flat, x2.flat), axis=1) # 測試點
5. # print 'grid_test = \n', grid_testgrid_hat = clf.predict(grid_test) # 預測分類值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，該函數的作用這里簡單介紹一下：

假設假設目標函數F（x，y）=x+y。x軸范圍1~3，y軸范圍4~6，當繪制圖像時主要分四步進行：

【step1：x擴展】(朝右擴展)：

[1 1 1]

　　 [2 2 2]

　　 [3 3 3]

【step2：y擴展】(朝下擴展)：

　　 [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]后的結果為：

再通過stack()函數，axis=1，生成測試點

2.指定默認字體

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

3.繪制

1. cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF'])
2.  
3. cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b'])
4.  
5. plt.pcolormesh(x1, x2, grid_hat, cmap=cm_light)
6.  
7. plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', s=50, cmap=cm_dark) # 樣本
8.  
9. plt.scatter(x_test[:, 0], x_test[:, 1], s=120, facecolors='none', zorder=10) # 圈中測試集樣本
10.  
11. plt.xlabel(u'花萼長度', fontsize=13)
12.  
13. plt.ylabel(u'花萼寬度', fontsize=13)
14.  
15. plt.xlim(x1_min, x1_max)
16.  
17. plt.ylim(x2_min, x2_max)
18.  
19. plt.title(u'鳶尾花SVM二特征分類', fontsize=15)
20.  
21. # plt.grid()
22.  
23. plt.show()

pcolormesh(x,y,z,cmap)這里參數代入x1，x2，grid_hat，cmap=cm_light繪制的是背景。

scatter中edgecolors是指描繪點的邊緣色彩，s指描繪點的大小，cmap指點的顏色。

xlim指圖的邊界。

最終結果為：

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持我們。

原文鏈接：https://www.cnblogs.com/luyaoblog/p/6775342.html