机器学习系列------SVM

alltolove

        SVM是一个应用非常广泛的机器学习模型，支持线性和非线性分类，回归分类，边界检查等，特别适用于复杂数据的分类。首先是SVM里的线性SVC模型：

1. import numpy as np
   
2. from sklearn import datasets
   
3. from sklearn.pipeline import Pipeline
   
4. from sklearn.preprocessing import StandardScaler
   
5. from sklearn.svm import LinearSVC
   
6. 
   
7. iris=datasets.load_iris()
   
8. X=iris["data"][:,(2,3)]
   
9. y=(iris["target"]==2).astype(np.float64)
   
10. 
    
11. svm_clf=Pipeline([
    
12.         ("scaler",StandardScaler()),
    
13.         ("linear_svc",LinearSVC(C=1,loss="hinge")),
    
14.     ])
    
15. 
    
16. svm_clf.fit(X,y)

复制代码

        还是用上次的鸢尾花数据制作模型，然后随便预测下：

1. svm_clf.predict([[5.5,1.7]])

复制代码

        输出为：array([ 1.])。然后是多项式特征模型：

1. from sklearn.datasets import make_moons
   
2. from sklearn.preprocessing import PolynomialFeatures
   
3. 
   
4. polynomial_svm_clf=Pipeline([
   
5.         ("poly_features",PolynomialFeatures(degree=3)),
   
6.         ("scaler",StandardScaler()),
   
7.         ("svm_clf",LinearSVC(C=10,loss="hinge"))
   
8.     ])
   
9. polynomial_svm_clf.fit(X,y)

复制代码

        这里就不演示预测了，都一样。然后是支撑向量分类模型：

1. from sklearn.svm import SVC
   
2. 
   
3. poly_kernel_svm_clf=Pipeline([
   
4.         ("scaler",StandardScaler()),
   
5.         ("svm_clf",SVC(kernel="poly",degree=3,coef0=1,C=5))
   
6.     ])
   
7. poly_kernel_svm_clf.fit(X,y)

复制代码

        然后是高斯RBF神经网络模型：

1. rbf_kernel_svm_clf=Pipeline([
   
2.         ("scaler",StandardScaler()),
   
3.         ("svm_clf",SVC(kernel="rbf",gamma=5,C=0.001))
   
4.     ])
   
5. poly_kernel_svm_clf.fit(X,y)

复制代码

        支持向量回归模型：

1. from sklearn.svm import SVR
   
2. svm_poly_reg=SVR(kernel="poly",degree=2,C=100,epsilon=0.1)
   
3. svm_poly_reg.fit(X,y)

复制代码

       

490382466

题主优秀！！！