Python實(shí)現(xiàn)鳶尾花數(shù)據(jù)集分類問題——基于skearn的SVM

?

代碼如下：

1 # !/usr/bin/env python2 # encoding: utf-83 __author__ = 'Xiaolin Shen'4 from sklearn import svm5 import numpy as np6 from sklearn import model_selection7 import matplotlib.pyplot as plt8 import matplotlib as mpl9 from matplotlib import colors10 11 12 13 # 當(dāng)使用numpy中的loadtxt函數(shù)導(dǎo)入該數(shù)據(jù)集時(shí)，假設(shè)數(shù)據(jù)類型dtype為浮點(diǎn)型，但是很明顯數(shù)據(jù)集的第五列的數(shù)據(jù)類型是字符串并不是浮點(diǎn)型。14 # 因此需要額外做一個(gè)工作，即通過loadtxt()函數(shù)中的converters參數(shù)將第五列通過轉(zhuǎn)換函數(shù)映射成浮點(diǎn)類型的數(shù)據(jù)。15 # 首先，我們要寫出一個(gè)轉(zhuǎn)換函數(shù)：16 # 定義一個(gè)函數(shù)，將不同類別標(biāo)簽與數(shù)字相對(duì)應(yīng)17 def iris_type(s):18 class_label={b'Iris-setosa':0,b'Iris-versicolor':1,b'Iris-virginica':2}19 return class_label[s]20 21 #（1）使用numpy中的loadtxt讀入數(shù)據(jù)文件22 filepath='IRIS_dataset.txt' # 數(shù)據(jù)文件路徑23 data=np.loadtxt(filepath,dtype=float,delimiter=',',converters={4:iris_type})24 #以上4個(gè)參數(shù)中分別表示：25 #filepath ：文件路徑。eg：C:/Dataset/iris.txt。26 #dtype=float ：數(shù)據(jù)類型。eg：float、str等。27 #delimiter=',' ：數(shù)據(jù)以什么分割符號(hào)分割。eg：‘，’。28 #converters={4:iris_type} ：對(duì)某一列數(shù)據(jù)（第四列）進(jìn)行某種類型的轉(zhuǎn)換，將數(shù)據(jù)列與轉(zhuǎn)換函數(shù)進(jìn)行映射的字典。eg：{1:fun}，含義是將第2列對(duì)應(yīng)轉(zhuǎn)換函數(shù)進(jìn)行轉(zhuǎn)換。29 # converters={4: iris_type}中“4”指的是第5列。30 31 # print(data)32 #讀入結(jié)果示例為：33 # [[ 5.1 3.5 1.4 0.2 0. ]34 # [ 4.9 3. 1.4 0.2 0. ]35 # [ 4.7 3.2 1.3 0.2 0. ]36 # [ 4.6 3.1 1.5 0.2 0. ]37 # [ 5. 3.6 1.4 0.2 0. ]]38 39 40 41 #（2）將原始數(shù)據(jù)集劃分成訓(xùn)練集和測(cè)試集42 X ,y=np.split(data,(4,),axis=1) #np.split 按照列（axis=1）進(jìn)行分割，從第四列開始往后的作為y 數(shù)據(jù)，之前的作為X 數(shù)據(jù)。函數(shù) split(數(shù)據(jù)，分割位置，軸=1（水平分割） or 0（垂直分割）)。43 x=X[:,0:2] #在 X中取前兩列作為特征（為了后期的可視化畫圖更加直觀，故只取前兩列特征值向量進(jìn)行訓(xùn)練）44 x_train,x_test,y_train,y_test=model_selection.train_test_split(x,y,random_state=1,test_size=0.3)45 # 用train_test_split將數(shù)據(jù)隨機(jī)分為訓(xùn)練集和測(cè)試集，測(cè)試集占總數(shù)據(jù)的30%（test_size=0.3),random_state是隨機(jī)數(shù)種子46 # 參數(shù)解釋：47 # x：train_data：所要?jiǎng)澐值臉颖咎卣骷?8 # y：train_target：所要?jiǎng)澐值臉颖窘Y(jié)果。49 # test_size：樣本占比，如果是整數(shù)的話就是樣本的數(shù)量。50 # random_state：是隨機(jī)數(shù)的種子。51 # （隨機(jī)數(shù)種子：其實(shí)就是該組隨機(jī)數(shù)的編號(hào)，在需要重復(fù)試驗(yàn)的時(shí)候，保證得到一組一樣的隨機(jī)數(shù)。比如你每次都填1，其他參數(shù)一樣的情況下你得到的隨機(jī)數(shù)組是一樣的。但填0或不填，每次都會(huì)不一樣。52 # 隨機(jī)數(shù)的產(chǎn)生取決于種子，隨機(jī)數(shù)和種子之間的關(guān)系遵從以下兩個(gè)規(guī)則：種子不同，產(chǎn)生不同的隨機(jī)數(shù)；種子相同，即使實(shí)例不同也產(chǎn)生相同的隨機(jī)數(shù)。）53 54 55 #（3）搭建模型，訓(xùn)練SVM分類器56 # classifier=svm.SVC(kernel='linear',gamma=0.1,decision_function_shape='ovo',C=0.1)57 # kernel='linear'時(shí)，為線性核函數(shù)，C越大分類效果越好，但有可能會(huì)過擬合（defaul C=1）。58 classifier=svm.SVC(kernel='rbf',gamma=0.1,decision_function_shape='ovo',C=0.8)59 # kernel='rbf'（default）時(shí)，為高斯核函數(shù)，gamma值越小，分類界面越連續(xù)；gamma值越大，分類界面越“散”，分類效果越好，但有可能會(huì)過擬合。60 # decision_function_shape='ovo'時(shí)，為one v one分類問題，即將類別兩兩之間進(jìn)行劃分，用二分類的方法模擬多分類的結(jié)果。61 # decision_function_shape='ovr'時(shí)，為one v rest分類問題，即一個(gè)類別與其他類別進(jìn)行劃分。62 #開始訓(xùn)練63 classifier.fit(x_train,y_train.ravel())64 #調(diào)用ravel()函數(shù)將矩陣轉(zhuǎn)變成一維數(shù)組65 # （ravel()函數(shù)與flatten()的區(qū)別）66 # 兩者所要實(shí)現(xiàn)的功能是一致的（將多維數(shù)組降為一維），67 # 兩者的區(qū)別在于返回拷貝（copy）還是返回視圖（view），68 # numpy.flatten() 返回一份拷貝，對(duì)拷貝所做的修改不會(huì)影響（reflects）原始矩陣，69 # 而numpy.ravel()返回的是視圖（view），會(huì)影響（reflects）原始矩陣。70 71 72 def show_accuracy(y_hat,y_train,str):73 pass74 75 #（4）計(jì)算svm分類器的準(zhǔn)確率76 print("SVM-輸出訓(xùn)練集的準(zhǔn)確率為：",classifier.score(x_train,y_train))77 y_hat=classifier.predict(x_train)78 show_accuracy(y_hat,y_train,'訓(xùn)練集')79 print("SVM-輸出測(cè)試集的準(zhǔn)確率為：",classifier.score(x_test,y_test))80 y_hat=classifier.predict(x_test)81 show_accuracy(y_hat,y_test,'測(cè)試集')82 # SVM-輸出訓(xùn)練集的準(zhǔn)確率為： 0.83809523809583 # SVM-輸出測(cè)試集的準(zhǔn)確率為： 0.77777777777884 85 86 # 查看決策函數(shù)，可以通過decision_function()實(shí)現(xiàn)。decision_function中每一列的值代表距離各類別的距離。87 # print('decision_function:\n', classifier.decision_function(x_train))88 print('\npredict:\n', classifier.predict(x_train))89 90 91 # (5)繪制圖像92 # 1.確定坐標(biāo)軸范圍，x，y軸分別表示兩個(gè)特征93 x1_min, x1_max = x[:, 0].min(), x[:, 0].max() # 第0列的范圍 x[:, 0] "："表示所有行，0表示第1列94 x2_min, x2_max = x[:, 1].min(), x[:, 1].max() # 第1列的范圍 x[:, 0] "："表示所有行，1表示第2列95 x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j] # 生成網(wǎng)格采樣點(diǎn)（用meshgrid函數(shù)生成兩個(gè)網(wǎng)格矩陣X1和X2）96 grid_test = np.stack((x1.flat, x2.flat), axis=1) # 測(cè)試點(diǎn)，再通過stack()函數(shù)，axis=1，生成測(cè)試點(diǎn)97 # .flat 將矩陣轉(zhuǎn)變成一維數(shù)組 （與ravel()的區(qū)別：flatten：返回的是拷貝98 99 print("grid_test = \n", grid_test) 100 # print("x = \n",x) 101 grid_hat = classifier.predict(grid_test) # 預(yù)測(cè)分類值 102 103 print("grid_hat = \n", grid_hat) 104 # print(x1.shape()) 105 grid_hat = grid_hat.reshape(x1.shape) # 使之與輸入的形狀相同 106 107 108 # 2.指定默認(rèn)字體 109 mpl.rcParams['font.sans-serif'] = [u'SimHei'] 110 mpl.rcParams['axes.unicode_minus'] = False 111 112 # 3.繪制 113 cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF']) 114 cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b']) 115 116 alpha=0.5 117 118 plt.pcolormesh(x1, x2, grid_hat, cmap=cm_light) # 預(yù)測(cè)值的顯示 119 # plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', s=50, cmap=cm_dark) # 樣本 120 plt.plot(x[:, 0], x[:, 1], 'o', alpha=alpha, color='blue', markeredgecolor='k') 121 plt.scatter(x_test[:, 0], x_test[:, 1], s=120, facecolors='none', zorder=10) # 圈中測(cè)試集樣本 122 plt.xlabel(u'花萼長(zhǎng)度', fontsize=13) 123 plt.ylabel(u'花萼寬度', fontsize=13) 124 plt.xlim(x1_min, x1_max) 125 plt.ylim(x2_min, x2_max) 126 plt.title(u'鳶尾花SVM二特征分類', fontsize=15) 127 # plt.grid() 128 plt.show() 129 130 131 132 133 ''' 134 #輸出訓(xùn)練集的準(zhǔn)確率 135 print(classifier.score(x_train,x_test)) 136 137 #由于準(zhǔn)確率表現(xiàn)不直觀，可以通過其他方式觀察結(jié)果。 138 139 #首先將原始結(jié)果與訓(xùn)練集預(yù)測(cè)結(jié)果進(jìn)行對(duì)比： 140 y_train_hat=classifier.predict(x_train) 141 y_train_1d=y_train.reshape((-1)) 142 comp=zip(y_train_1d,y_train_hat) #用zip把原始結(jié)果和預(yù)測(cè)結(jié)果放在一起。顯示如下： 143 print(list(comp)) 144 145 #同樣的,可以用訓(xùn)練好的模型對(duì)測(cè)試集的數(shù)據(jù)進(jìn)行預(yù)測(cè): 146 print(classifier.score(x_test,y_test)) 147 y_test_hat=classifier.predict(x_test) 148 y_test_1d=y_test.reshape((-1)) 149 comp=zip(y_test_1d,y_test_hat) 150 print(list(comp)) 151 152 153 #還可以通過圖像進(jìn)行可視化： 154 plt.figure() 155 plt.subplot(121) 156 plt.scatter(x_train[:,0],x_train[:,1],c=y_train.reshape((-1)),edgecolors='k',s=50) 157 plt.subplot(122) 158 plt.scatter(x_train[:,0],x_train[:,1],c=y_train_hat.reshape((-1)),edgecolors='k',s=50) 159 160 '''

程序運(yùn)行結(jié)果：

數(shù)據(jù)可視化展示：

? ? ? ? ?

來源:https://www.cnblogs.com/shenxiaolin/p/8854838.html

總結(jié)

以上是生活随笔為你收集整理的Python实现鸢尾花数据集分类问题——基于skearn的SVM(有详细注释的)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。