Python实现鸢尾花数据集分类问题——基于skearn的SVM
代码如下:
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 # 当使用numpy中的loadtxt函数导入该数据集时,假设数据类型dtype为浮点型,但是很明显数据集的第五列的数据类型是字符串并不是浮点型。14 # 因此需要额外做一个工作,即通过loadtxt()函数中的converters参数将第五列通过转换函数映射成浮点类型的数据。15 # 首先,我们要写出一个转换函数:16 # 定义一个函数,将不同类别标签与数字相对应17 def iris_type(s):18class_label={b'Iris-setosa':0,b'Iris-versicolor':1,b'Iris-virginica':2}19return class_label[s]20 21 #(1)使用numpy中的loadtxt读入数据文件22 filepath='IRIS_dataset.txt' # 数据文件路径23 data=np.loadtxt(filepath,dtype=float,delimiter=',',converters={4:iris_type})24 #以上4个参数中分别表示:25 #filepath :文件路径。eg:C:/Dataset/iris.txt。26 #dtype=float :数据类型。eg:float、str等。27 #delimiter=',' :数据以什么分割符号分割。eg:‘,’。28 #converters={4:iris_type} :对某一列数据(第四列)进行某种类型的转换,将数据列与转换函数进行映射的字典。eg:{1:fun},含义是将第2列对应转换函数进行转换。29 #converters={4: iris_type}中“4”指的是第5列。30 31 # print(data)32 #读入结果示例为: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)将原始数据集划分成训练集和测试集42 X ,y=np.split(data,(4,),axis=1) #np.split 按照列(axis=1)进行分割,从第四列开始往后的作为y 数据,之前的作为X 数据。函数 split(数据,分割位置,轴=1(水平分割) or 0(垂直分割))。43 x=X[:,0:2] #在 X中取前两列作为特征(为了后期的可视化画图更加直观,故只取前两列特征值向量进行训练)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将数据随机分为训练集和测试集,测试集占总数据的30%(test_size=0.3),random_state是随机数种子46 # 参数解释:47 # x:train_data:所要划分的样本特征集。48 # y:train_target:所要划分的样本结果。49 # test_size:样本占比,如果是整数的话就是样本的数量。50 # random_state:是随机数的种子。51 # (随机数种子:其实就是该组随机数的编号,在需要重复试验的时候,保证得到一组一样的随机数。比如你每次都填1,其他参数一样的情况下你得到的随机数组是一样的。但填0或不填,每次都会不一样。52 # 随机数的产生取决于种子,随机数和种子之间的关系遵从以下两个规则:种子不同,产生不同的随机数;种子相同,即使实例不同也产生相同的随机数。)53 54 55 #(3)搭建模型,训练SVM分类器56 # classifier=svm.SVC(kernel='linear',gamma=0.1,decision_function_shape='ovo',C=0.1)57 # kernel='linear'时,为线性核函数,C越大分类效果越好,但有可能会过拟合(defaul C=1)。58 classifier=svm.SVC(kernel='rbf',gamma=0.1,decision_function_shape='ovo',C=0.8)59 # kernel='rbf'(default)时,为高斯核函数,gamma值越小,分类界面越连续;gamma值越大,分类界面越“散”,分类效果越好,但有可能会过拟合。60 # decision_function_shape='ovo'时,为one v one分类问题,即将类别两两之间进行划分,用二分类的方法模拟多分类的结果。61 # decision_function_shape='ovr'时,为one v rest分类问题,即一个类别与其他类别进行划分。62 #开始训练63 classifier.fit(x_train,y_train.ravel())64 #调用ravel()函数将矩阵转变成一维数组65 # (ravel()函数与flatten()的区别)66 # 两者所要实现的功能是一致的(将多维数组降为一维),67 # 两者的区别在于返回拷贝(copy)还是返回视图(view),68 # numpy.flatten() 返回一份拷贝,对拷贝所做的修改不会影响(reflects)原始矩阵,69 # 而numpy.ravel()返回的是视图(view),会影响(reflects)原始矩阵。70 71 72 def show_accuracy(y_hat,y_train,str):73pass74 75 #(4)计算svm分类器的准确率76 print("SVM-输出训练集的准确率为:",classifier.score(x_train,y_train))77 y_hat=classifier.predict(x_train)78 show_accuracy(y_hat,y_train,'训练集')79 print("SVM-输出测试集的准确率为:",classifier.score(x_test,y_test))80 y_hat=classifier.predict(x_test)81 show_accuracy(y_hat,y_test,'测试集')82 # SVM-输出训练集的准确率为: 0.83809523809583 # SVM-输出测试集的准确率为: 0.77777777777884 85 86 # 查看决策函数,可以通过decision_function()实现。decision_function中每一列的值代表距离各类别的距离。87 # print('decision_function:\n', classifier.decision_function(x_train))88 print('\npredict:\n', classifier.predict(x_train))89 90 91 # (5)绘制图像92 # 1.确定坐标轴范围,x,y轴分别表示两个特征93 x1_min, x1_max = x[:, 0].min(), x[:, 0].max() # 第0列的范围 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列的范围 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] # 生成网格采样点(用meshgrid函数生成两个网格矩阵X1和X2)96 grid_test = np.stack((x1.flat, x2.flat), axis=1) # 测试点,再通过stack()函数,axis=1,生成测试点97 # .flat 将矩阵转变成一维数组 (与ravel()的区别:flatten:返回的是拷贝98 99 print("grid_test = \n", grid_test)100 # print("x = \n",x)101 grid_hat = classifier.predict(grid_test) # 预测分类值102 103 print("grid_hat = \n", grid_hat)104 # print(x1.shape())105 grid_hat = grid_hat.reshape(x1.shape) # 使之与输入的形状相同106 107 108 # 2.指定默认字体109 mpl.rcParams['font.sans-serif'] = [u'SimHei']110 mpl.rcParams['axes.unicode_minus'] = False111 112 # 3.绘制113 cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF'])114 cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b'])115 116 alpha=0.5117 118 plt.pcolormesh(x1, x2, grid_hat, cmap=cm_light) # 预测值的显示119 # plt.scatter(x[:, 0], x[:, 1], c=y, edgecolors='k', s=50, cmap=cm_dark) # 样本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) # 圈中测试集样本122 plt.xlabel(u'花萼长度', fontsize=13)123 plt.ylabel(u'花萼宽度', fontsize=13)124 plt.xlim(x1_min, x1_max)125 plt.ylim(x2_min, x2_max)126 plt.title(u'鸢尾花SVM二特征分类', fontsize=15)127 # plt.grid()128 plt.show()129 130 131 132 133 '''134 #输出训练集的准确率135 print(classifier.score(x_train,x_test))136 137 #由于准确率表现不直观,可以通过其他方式观察结果。138 139 #首先将原始结果与训练集预测结果进行对比: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把原始结果和预测结果放在一起。显示如下:143 print(list(comp))144 145 #同样的,可以用训练好的模型对测试集的数据进行预测: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 #还可以通过图像进行可视化: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 '''
程序运行结果:
数据可视化展示:
来源:/shenxiaolin/p/8854838.html