1.实验目的

1.使用sklearn的digits数据集（即从sklearn.datasets导入load_digits）
2.训练SVM分类器，然后，使用诸如rbf和linear的不同内核来测量模型的准确性。
3. 使用正则化和伽玛参数进一步调整模型，并尝试获得最高准确度得分使用80％的样本作为训练数据量

2.导入必要模块

import pandas as pd
from sklearn.datasets import load_digits

3.用pandas处理数据

digits = load_digits() #加载数据
df = pd.DataFrame(digits.data, digits.target)  #构建df（数据、索引）
df.head()

df['target'] = digits.target   #增加一个标签字段
df.head()

4.拟合+预测

from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(df.drop('target',axis='columns'),df.target,test_size=0.3)

4.1.使用rbf核函数

from sklearn.svm import SVCrbf_model = SVC(kernel='rbf')
rbf_model.fit(X_train,y_train)   #用训练数据拟合
rbf_model.score(X_test,y_test)

使用rbf核函数测试准确率只有42.96%，可见该核函数效果不佳。

4.2.使用linear核函数

linear_model = SVC(kernel='linear')
linear_model.fit(X_train, y_train)
linear_model.score(X_test,y_test)

使用linear核函数测试准确率达到97.41%，可见该核函数效果很好。

机器学习代码实战——SVM(支持向量机)(使用不同核函数)相关推荐

机器学习05：SVM支持向量机的学习和应用SVM解决猫狗图像分类问题
机器学习05:SVM支持向量机的学习和应用SVM解决猫狗图像分类问题文章目录机器学习05:SVM支持向量机的学习和应用SVM解决猫狗图像分类问题前言 1.从二维线性模型说起 2. 如何求解SVM ...
吴恩达机器学习课后作业——SVM支持向量机
支持向量机一.作业内容在本练习的前半部分,您将对各种示例2D数据集使用支持向量机(svm).使用这些数据集进行试验将帮助您直观地了解支持向量机的工作方式,以及如何在支持向量机中使用高斯核.在练习的 ...
【Python机器学习】之 SVM 支持向量机算法（二）
SVM 支持向量机(二) 1.支持向量机这样,由于w,x\mathbf{w,x}w,x初始值的不同,最后得到的分割超平面也有可能不同,那么一定存在一个最优的超平面,这种方法就是支持向量机. ...
机器学习代码实战——网格搜索和交叉验证（GridSearchCV）
文章目录 1.实验目的 2.导入必要模块并读取数据 3.构建模型-参数字典 4.训练 5.打印不同模型.不同参数对应的结果 1.实验目的 (1)运用GridSearchCV比较不同的模型.不同的参数对 ...
机器学习算法实战项目—支持向量机（2）—完整版的SMO算法
2.完整版的SMO算法在几百个点组成的小规模数据集上,简化版SMO算法的运行是没有什么问题的,但是在更大的数据集上的运行速度就会变慢. 刚才已经讨论了简化版SMO算法,下面我们就讨论完整版的Plat ...
机器学习代码实战——K折交叉验证（K Fold Cross Validation）
文章目录 1.实验目的 2.导入数据和必要模块 3.比较不同模型预测准确率 3.1.逻辑回归 3.2.决策树 3.3.支持向量机 3.4.随机森林 1.实验目的使用sklearn库中的鸢尾花数据集, ...
机器学习代码实战——线性回归(多变量)（Linear Regression）
文章目录 1.实验目的 2.导入必要模块并读取数据 3.对数据进行处理 3.1.experience字段数字化 3.2.test_score(out of 10)字段NaN替换为平均数 4.训练+预测 ...
机器学习代码实战——KMeans（聚类）
文章目录 1.实验目的 2.导入必要模块 3.用pandas处理数据 4.拟合+预测 5.把预测结果合并到DF 6.可视化聚类效果 7.比较不同的簇数的均方误差 8.对数据归一化处理 1.实验目的 1 ...
机器学习代码实战——PCA（主成分分析）
文章目录 1.主成分分析基本概念 2.代码 1.主成分分析基本概念 2.代码导入必要的库 import pandas as pd import numpy as np from sklearn.da ...

机器学习代码实战——SVM(支持向量机)(使用不同核函数)

文章目录