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：
- def iris_type(s):
- it = {'Iris-setosa': 0, 'Iris-versicolor': 1, 'Iris-virginica': 2}
- return it[s]
接下來讀入數據，converters={4: iris_type}中“4”指的是第5列：
- path = u'D:/f盤/python/學習/iris.data' # 數據文件路徑
- 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
- 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(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
- # 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'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
- print clf.score(x_train, y_train) # 精度
- y_hat = clf.predict(x_train)
- show_accuracy(y_hat, y_train, '訓練集')
- print clf.score(x_test, y_test)
- y_hat = clf.predict(x_test)
- 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
- print 'decision_function:\n', clf.decision_function(x_train)
- 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
- x1_min, x1_max = x[:, 0].min(), x[:, 0].max() # 第0列的范圍
- x2_min, x2_max = x[:, 1].min(), x[:, 1].max() # 第1列的范圍
- x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j] # 生成網格采樣點
- grid_test = np.stack((x1.flat, x2.flat), axis=1) # 測試點
- # 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
- mpl.rcParams['font.sans-serif'] = [u'SimHei']
- mpl.rcParams['axes.unicode_minus'] = False
3.繪制
- 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) # 樣本
- plt.scatter(x_test[:, 0], x_test[:, 1], s=120, facecolors='none', zorder=10) # 圈中測試集樣本
- plt.xlabel(u'花萼長度', fontsize=13)
- plt.ylabel(u'花萼寬度', fontsize=13)
- plt.xlim(x1_min, x1_max)
- plt.ylim(x2_min, x2_max)
- plt.title(u'鳶尾花SVM二特征分類', fontsize=15)
- # plt.grid()
- 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
