python:支持向量机SVM的使用

python:支持向量机SVM的使用" alt="python:支持向量机SVM的使用" src="//www.dapan.cc/wp-content/uploads/2022/11/1668479708-a2f9d43afa28d1f.jpg">

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。

以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。  

python:支持向量机SVM的使用" alt="python:支持向量机SVM的使用" src="//www.dapan.cc/wp-content/uploads/2022/11/1668479708-bab4068107c6819.jpg">

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:

defiris_type(s):
it={'Iris-setosa':0,'Iris-versicolor':1,'Iris-virginica':2}
returnit[s]

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

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:

python:支持向量机SVM的使用" alt="python:支持向量机SVM的使用" src="//www.dapan.cc/wp-content/uploads/2022/11/1668479708-69635b650b1b5ad.jpg">

(2)将Iris分为训练集与测试集

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(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

#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

printclf.score(x_train,y_train)#精度
y_hat=clf.predict(x_train)
show_accuracy(y_hat,y_train,'训练集')
printclf.score(x_test,y_test)
y_hat=clf.predict(x_test)
show_accuracy(y_hat,y_test,'测试集')

结果为:

python:支持向量机SVM的使用" alt="python:支持向量机SVM的使用" src="//www.dapan.cc/wp-content/uploads/2022/11/1668479708-6c7a8bdb7e6d484.jpg">

如果想查看决策函数,可以通过decision_function()实现

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

结果为:

python:支持向量机SVM的使用" alt="python:支持向量机SVM的使用" src="//www.dapan.cc/wp-content/uploads/2022/11/1668479708-acf809512c3e3ff.jpg">

python:支持向量机SVM的使用" alt="python:支持向量机SVM的使用" src="//www.dapan.cc/wp-content/uploads/2022/11/1668479708-c084ef442d561de.jpg">

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

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13,y轴范围46,当绘制图像时主要分四步进行:

【step1:x扩展】(朝右扩展):

[111]
[222]
[333]

【step2:y扩展】(朝下扩展):

[456]
[456]
[456]

【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:

python:支持向量机SVM的使用" alt="python:支持向量机SVM的使用" src="//www.dapan.cc/wp-content/uploads/2022/11/1668479708-504bdf72e8e720f.jpg">

再通过stack()函数,axis=1,生成测试点

python:支持向量机SVM的使用" alt="python:支持向量机SVM的使用" src="//www.dapan.cc/wp-content/uploads/2022/11/1668479708-244a600ab0dd6d7.jpg">

2.指定默认字体

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

3.绘制

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:

python:支持向量机SVM的使用" alt="python:支持向量机SVM的使用" src="//www.dapan.cc/wp-content/uploads/2022/11/1668479709-63bcaad23dec99c.jpg">