江苏龙网

  1. 首页 > 人文 > >

基于经典的支持向量机算法完成鸢尾花的分类问题( 二 )


cmap_bold = ListedColormap(['#FF0000', '#00FF00', '#0000FF'])
def plot_estimator(estimator, X, y):
estimator.fit(X, y)#拟合x ， y
x_min, x_max = X[:, 0].min() - .1, X[:, 0].max() + .1y_min, y_max = X[:, 1].min() - .1, X[:, 1].max() + .1xx, yy = np.meshgrid(np.linspace(x_min, x_max, 100),np.linspace(y_min, y_max, 100))Z = estimator.predict(np.c_[xx.ravel(), yy.ravel()])Z = Z.reshape(xx.shape)pl.figure()#plt.figure(1) # 创建图表1pl.pcolormesh(xx,yy,Z, cmap=cmap_light)#类似np.pcolor， 是对坐标点着色xx ， yy标识样本 ， Z表示作色方案
plot_estimator(svc,x_train,y_train)#调用plot_estimator函数
print svc.predict(x_test)#预测测试集 ， 输出测试结果
print y_test#真实的测试集类型 ， 与预测结果进行比较
pl.scatter(x_test[:, 0], x_test[:, 1], c=y_test, cmap=cmap_bold)# ， 将测试集数据散点图表示 ， c为指定cmap的颜色pl.axis('tight')pl.axis('off')pl.tight_layout()
pl.show()
代码分析
import pylab as pl#从 numpy 和 matplotlib 填充交互式命名空间 ， pylab结合了pyplot和numpy ， 对交互式使用来说比较方便 ， 既可以画图又可以进行简单的计算 ， 但是建议一个项目中还是numpy和pyplot分开使用比较好# 鸢尾花数据集是sklearn自带的 。 iris = datasets.load_iris()#只提取前面两列数据作为特征X = iris.data[:, :2]i=np.random.permutation(len(X))#生成一个从1到150的随机数组
基于经典的支持向量机算法完成鸢尾花的分类问题
本文插图

基于经典的支持向量机算法完成鸢尾花的分类问题
本文插图
这个代码的意思就是取140行训练集数据 ， 取10行测测试集数据 ， 是随机存取的 。
svc = svm.SVC(kernel='linear')svc.fit(x_train,y_train)#基于这些数据训练出一个支持向量分离器SVC#拟合函数cmap_light = ListedColormap(['#FFAAAA', '#AAFFAA', '#AAAAFF'])#预测结果颜色cmap_bold = ListedColormap(['#FF0000', '#00FF00', '#0000FF'])#样本颜色# 因为鸢尾花是3分类问题 ， 我们要对样本和预测结果均用三种颜色区分开 。 x_min, x_max = X[:, 0].min() - .1, X[:, 0].max() + .1#第一列的最大值加1 ， 最小值减1y_min, y_max = X[:, 1].min() - .1, X[:, 1].max() + .1#第二列的最大值加1 ， 最小值减1目的就是弄出足够大的网格空间# 产生网格节点xx, yy = np.meshgrid(np.linspace(x_min, x_max, 100),np.linspace(y_min, y_max, 100))#xx为一个100行100列的数组 ， 其中每列上的数据都一样 ， yy为一个100行100列的数组 ， 其中每行上的数据都一样# print xx.ravel()#将多维数组变成一维,这样那长度就是10000了#print np.c_[xx.ravel(), yy.ravel()]#将xx.ravel和yy.ravel合并为一个矩阵[[]] ， 第一列为xx.level,第二列为yy.levelZ = estimator.predict(np.c_[xx.ravel(), yy.ravel()])#我们是使用刚刚拟合好的svc来预测np.c_[xx.ravel(), yy.ravel()] ， 这个np.c_[xx.ravel(), yy.ravel()]仍然是通过X和y来获取到的,所以他们的预测结果所画的图的决策边界就是svc训练集的结果# 对预测结果上色Z = Z.reshape(xx.shape)#把Z的shape弄成100*100的 ， Z是预测的结果也就是0 ， 1 ， 2这些东西这个表示对应位置的颜色pl.pcolormesh(xx,yy,Z, cmap=cmap_light)#类似np.pcolor， 是对坐标点着色xx ， yy标识样本 ， Z表示作色方案
代码图片版
基于经典的支持向量机算法完成鸢尾花的分类问题
本文插图


推荐阅读


上一篇：GolevkaTech最新发现：天文学家首次观测到小行星的诞生

下一篇：缤锋评论TB库克7点突然发文，与iPhone无关，但尽显苹果高端风范