Python中的支持向量機SVM的使用（有實例）

轉自：http://www.cnblogs.com/luyaoblog/p/6775342.html

除了在Matlab中使用PRTools工具箱中的svm算法，Python中一樣可以使用支持向量機做分類。因爲Python中的sklearn庫也集成了SVM算法，本文的運行環境是Pycharm。

一、導入sklearn算法包

　　Scikit-Learn庫已經實現了所有基本機器學習的算法，具體使用詳見官方文檔說明：http://scikit-learn.org/stable/auto_examples/index.html#support-vector-machines。

　　skleran中集成了許多算法，其導入包的方式如下所示，

　　邏輯迴歸：from sklearn.linear_model import LogisticRegression

      樸素貝葉斯：from sklearn.naive_bayes import GaussianNB

 　　K-近鄰：from sklearn.neighbors import KNeighborsClassifier

 　　決策樹：from sklearn.tree import DecisionTreeClassifier

 　　支持向量機：from sklearn import svm

 二、sklearn中svc的使用

（1）使用numpy中的loadtxt讀入數據文件

　　loadtxt()的使用方法：

　　

　　fname:文件路徑。eg：C:/Dataset/iris.txt。

　　dtype：數據類型。eg：float、str等。

　　delimiter：分隔符。eg：‘，’。

　　converters：將數據列與轉換函數進行映射的字典。eg：{1:fun}，含義是將第2列對應轉換函數進行轉換。

　　usecols：選取數據的列。

　　以Iris蘭花數據集爲例子：

　　由於從UCI數據庫中下載的Iris原始數據集的樣子是這樣的，前四列爲特徵列，第五列爲類別列，分別有三種類別Iris-setosa， Iris-versicolor， Iris-virginica。　　　

　　

　　當使用numpy中的loadtxt函數導入該數據集時，假設數據類型dtype爲浮點型，但是很明顯第五列的數據類型並不是浮點型。

　　因此我們要額外做一個工作，即通過loadtxt()函數中的converters參數將第五列通過轉換函數映射成浮點類型的數據。

　　首先，我們要寫出一個轉換函數：

1 2 3

def iris_type(s):     it = {'Iris-setosa': 0, 'Iris-versicolor': 1, 'Iris-virginica': 2}     return it[s]

　　接下來讀入數據，converters={4: iris_type}中“4”指的是第5列：

1 2	path = u'D:/f盤/python/學習/iris.data'  # 數據文件路徑 data = np.loadtxt(path, dtype=float, delimiter=',', converters={4: iris_type})

　　讀入結果：

　　

（2）將Iris分爲訓練集與測試集

1 2 3

x, y = np.split(data, (4,), axis=1) x = x[:, :2] x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1, train_size=0.6)

　　1. split(數據，分割位置，軸=1（水平分割） or 0（垂直分割）)。

　　2. x = x[:, :2]是爲方便後期畫圖更直觀，故只取了前兩列特徵值向量訓練。

　　3. sklearn.model_selection.train_test_split隨機劃分訓練集與測試集。train_test_split(train_data,train_target,test_size=數字, random_state=0)

　　參數解釋：

　　train_data：所要劃分的樣本特徵集

　　train_target：所要劃分的樣本結果

　　test_size：樣本佔比，如果是整數的話就是樣本的數量

　　random_state：是隨機數的種子。

　　隨機數種子：其實就是該組隨機數的編號，在需要重複試驗的時候，保證得到一組一樣的隨機數。比如你每次都填1，其他參數一樣的情況下你得到的隨機數組是一樣的。但填0或不填，每次都會不一樣。隨機數的產生取決於種子，隨機數和種子之間的關係遵從以下兩個規則：種子不同，產生不同的隨機數；種子相同，即使實例不同也產生相同的隨機數。

（3）訓練svm分類器

1 2 3

# clf = svm.SVC(C=0.1, kernel='linear', decision_function_shape='ovr')     clf = svm.SVC(C=0.8, kernel='rbf', gamma=20, decision_function_shape='ovr')     clf.fit(x_train, y_train.ravel())

 　　kernel='linear'時，爲線性核，C越大分類效果越好，但有可能會過擬合（defaul C=1）。

　　 kernel='rbf'時（default），爲高斯核，gamma值越小，分類界面越連續；gamma值越大，分類界面越“散”，分類效果越好，但有可能會過擬合。

　　decision_function_shape='ovr'時，爲one v rest，即一個類別與其他類別進行劃分，

　　decision_function_shape='ovo'時，爲one v one，即將類別兩兩之間進行劃分，用二分類的方法模擬多分類的結果。

（4）計算svc分類器的準確率

1 2 3 4 5 6

print clf.score(x_train, y_train)  # 精度 y_hat = clf.predict(x_train) show_accuracy(y_hat, y_train, '訓練集') print clf.score(x_test, y_test) y_hat = clf.predict(x_test) show_accuracy(y_hat, y_test, '測試集')

 結果爲：

　　如果想查看決策函數，可以通過decision_function()實現

1 2	print 'decision_function:\n', clf.decision_function(x_train) print '\npredict:\n', clf.predict(x_train)

 結果爲：

　　decision_function中每一列的值代表距離各類別的距離。

（5）繪製圖像

　　1.確定座標軸範圍，x，y軸分別表示兩個特徵

1 2 3 4 5

x1_min, x1_max = x[:, 0].min(), x[:, 0].max()  # 第0列的範圍 x2_min, x2_max = x[:, 1].min(), x[:, 1].max()  # 第1列的範圍 x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j]  # 生成網格採樣點 grid_test = np.stack((x1.flat, x2.flat), axis=1)  # 測試點 # print 'grid_test = \n', grid_testgrid_hat = clf.predict(grid_test)       # 預測分類值grid_hat = grid_hat.reshape(x1.shape)  # 使之與輸入的形狀相同

 　　這裏用到了mgrid()函數，該函數的作用這裏簡單介紹一下：

　　 假設假設目標函數F（x，y）=x+y。x軸範圍1~3，y軸範圍4~6，當繪製圖像時主要分四步進行：

　　【step1：x擴展】(朝右擴展)：

       [1 1 1]

　　 [2 2 2]

　　 [3 3 3]

　　【step2：y擴展】(朝下擴展)：

　　 [4 5 6]

　　 [4 5 6]

　　 [4 5 6]

　　【step3：定位（xi，yi）】：

　　 [(1,4) (1,5) (1,6)]

　　 [(2,4) (2,5) (2,6)]

　　 [(3,4) (3,5) (3,6)]

　　【step4：將（xi，yi）代入F(x,y)=x+y】

　　因此這裏x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j]後的結果爲：

　　

　　再通過stack()函數，axis=1，生成測試點

　　

　　2.指定默認字體

1 2	mpl.rcParams['font.sans-serif'] = [u'SimHei'] mpl.rcParams['axes.unicode_minus'] = False

　　3.繪製

1 2 3 4 5 6 7 8 9 10 11 12

cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF']) cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b']) plt.pcolormesh(x1, x2, grid_hat, cmap=cm_light) plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', s=50, cmap=cm_dark)  # 樣本 plt.scatter(x_test[:, 0], x_test[:, 1], s=120, facecolors='none', zorder=10)  # 圈中測試集樣本 plt.xlabel(u'花萼長度', fontsize=13) plt.ylabel(u'花萼寬度', fontsize=13) plt.xlim(x1_min, x1_max) plt.ylim(x2_min, x2_max) plt.title(u'鳶尾花SVM二特徵分類', fontsize=15) # plt.grid() plt.show()

 　　pcolormesh(x,y,z,cmap)這裏參數代入x1，x2，grid_hat，cmap=cm_light繪製的是背景。

　　 scatter中edgecolors是指描繪點的邊緣色彩，s指描繪點的大小，cmap指點的顏色。

　　 xlim指圖的邊界。

最終結果爲：

源碼：

# -*- coding:utf-8 -*-

# -*- coding:utf-8 -*-

from sklearn import svm

import numpy as np

import matplotlib.pyplot as plt

import matplotlib as mpl

from matplotlib import colors

from sklearn.model_selection import train_test_split

def iris_type(s):

    it = {'Iris-setosa': 0, 'Iris-versicolor': 1, 'Iris-virginica': 2}

    return it[s]

def show_accuracy(y_hat, y_test, param):

    pass

 

path = 'F:\\Test\\iris.data' # 數據文件路徑

data = np.loadtxt(path, dtype=float, delimiter=',', converters={4: iris_type})

 

x, y = np.split(data, (4,), axis=1)

x = x[:, :2]

x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1, train_size=0.6)

 

# clf = svm.SVC(C=0.1, kernel='linear', decision_function_shape='ovr')

clf = svm.SVC(C=0.8, kernel='rbf', gamma=20, decision_function_shape='ovr')

clf.fit(x_train, y_train.ravel())

 

print clf.score(x_train, y_train)  # 精度

y_hat = clf.predict(x_train)

show_accuracy(y_hat, y_train, '訓練集')

print clf.score(x_test, y_test)

y_hat = clf.predict(x_test)

show_accuracy(y_hat, y_test, '測試集')

 

print 'decision_function:\n', clf.decision_function(x_train)

print '\npredict:\n', clf.predict(x_train)

 

x1_min, x1_max = x[:, 0].min(), x[:, 0].max()  # 第0列的範圍

x2_min, x2_max = x[:, 1].min(), x[:, 1].max()  # 第1列的範圍

x1, x2 = np.mgrid[x1_min:x1_max:200j, x2_min:x2_max:200j]  # 生成網格採樣點

grid_test = np.stack((x1.flat, x2.flat), axis=1)  # 測試點

 

 

mpl.rcParams['font.sans-serif'] = [u'SimHei']

mpl.rcParams['axes.unicode_minus'] = False

 

cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF'])

cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b'])

 

# print 'grid_test = \n', grid_test

grid_hat = clf.predict(grid_test)       # 預測分類值

grid_hat = grid_hat.reshape(x1.shape)  # 使之與輸入的形狀相同

 

alpha = 0.5

plt.pcolormesh(x1, x2, grid_hat, cmap=cm_light)     # 預測值的顯示

# plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', s=50, cmap=cm_dark)  # 樣本

plt.plot(x[:, 0], x[:, 1], 'o', alpha=alpha, color='blue', markeredgecolor='k')

plt.scatter(x_test[:, 0], x_test[:, 1], s=120, facecolors='none', zorder=10)  # 圈中測試集樣本

plt.xlabel(u'花萼長度', fontsize=13)

plt.ylabel(u'花萼寬度', fontsize=13)

plt.xlim(x1_min, x1_max)

plt.ylim(x2_min, x2_max)

plt.title(u'鳶尾花SVM二特徵分類', fontsize=15)

# plt.grid()

plt.show()