📌  相关文章
📜  使用Python中的支持向量机(SVM)对数据进行分类

📅  最后修改于: 2020-04-28 01:12:31             🧑  作者: Mango

SVM简介：
在机器学习中，支持向量机(SVM)是带有相关学习算法的监督学习模型，该算法分析用于分类和回归分析的数据。
支持向量机(SVM)是由分离超平面正式定义的判别式分类器。换句话说，给定带标签的训练数据(监督学习)，该算法会输出对新示例进行分类的最佳超平面。

什么是支持向量机？

SVM模型是将示例表示为空间中的点，并进行了映射，以使各个类别的示例被尽可能宽的明显间隙分开。
除了执行线性分类外，SVM还可以有效地执行非线性分类，将其输入隐式映射到高维特征空间。

SVM有什么作用？

给定一组训练示例，每个训练示例都标记为属于两个类别中的一个或另一个，则SVM训练算法将构建一个模型，该模型将新示例分配给一个类别或另一个类别，使其成为非概率二进制线性分类器。

让我们快速了解一下支持向量分类。首先，我们需要创建一个数据集：

# 使用make_blobs导入scikit学习
from sklearn.datasets.samples_generator import make_blobs
# 创建包含n_samples的数据集X
# Y containing two classes
X, Y = make_blobs(n_samples=500, centers=2,
                  random_state=0, cluster_std=0.40)
# 散点图
plt.scatter(X[:, 0], X[:, 1], c=Y, s=50, cmap='spring');
plt.show()

输出：

支持向量机所做的不仅是在此处在两个类之间画一条线，而且还要考虑围绕某个给定宽度的线的区域。这是一个看起来像的例子：

# 创建-1至3.5之间的行距
xfit = np.linspace(-1, 3.5)
# 散点图
plt.scatter(X[:, 0], X[:, 1], c=Y, s=50, cmap='spring')
# 在不同的数据集之间划一条线
for m, b, d in [(1, 0.65, 0.33), (0.5, 1.6, 0.55), (-0.2, 2.9, 0.2)]:
    yfit = m * xfit + b
    plt.plot(xfit, yfit, '-k')
    plt.fill_between(xfit, yfit - d, yfit + d, edgecolor='none',
    color='#AAAAAA', alpha=0.4)
plt.xlim(-1, 3.5);
plt.show()

导入数据集
这是支持向量机的直观功能，它可以优化表示数据集之间垂直距离的线性判别模型。现在，让我们使用我们的训练数据来训练分类器。在训练之前，我们需要将癌症数据集导入为csv文件，从中我们将训练所有特征中的两个特征。

# 导入所需的库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 读取csv文件并将类列提取到y.
x = pd.read_csv("C:\...\cancer.csv")
a = np.array(x)
y  = a[:,30] # classes having 0 and 1
# 提取两个特征
x = np.column_stack((x.malignant,x.benign))
x.shape # 569 samples and 2 features
print (x),(y)

输出：

[[122.8 1001.]
 [132.9 1326.]
 [130. 1203.]
 ...，
 [108.3 858.1]
 [140.1 1265.]
 [47.92 181.]]
array([0.，0.，0.，0.，0.，0.，0.，0.，0.，0.，0.，0.，0.，
         0.，0.，0.，0.，0.，0.，1.，1.，1.，0.，0.，0.，0.，
         0.，0.，0.，0.，0.，0.，0.，0.，0.，0.，0.，1.，0.，
         0.，0.，0.，0.，0.，0.，0.，1.，0.，1.，1.，1.，1.，
         1.，0.，0.，1.，0.，0.，1.，1.，1.，1.，0.，1.，....，
         1.])

拟合支持向量机

现在，我们将为这些要点提供支持向量机分类器。尽管似然模型的数学细节很有趣，但我们将在其他地方进行介绍。相反，我们将scikit-learn算法视为完成上述任务的黑匣子。

# 导入支持向量分类器
from sklearn.svm import SVC# "Support Vector Classifier"
clf = SVC(kernel='linear')
# 拟合x样本和y类
clf.fit(x, y)

拟合后，该模型可用于预测新值：

clf.predict([[120, 990]])
clf.predict([[85, 550]])

输出：

array([ 0.])
array([ 1.])

让我们在图表上看一下如何显示。

这是通过分析数据和使用matplotlib函数制作最佳超平面的预处理方法来获得的。