资源简介
包含数据线性可分与数据线性不可分数据,与Logistic回归比较及SVM应用于多分类问题等!包含生成数据集与真实数据集、数据集分为线性可分与线性不可分数据、二维及多维数据均适用!!!
代码片段和文件信息
import matplotlib.pyplot as plt
plt.style.use(‘ggplot‘)
from sklearn.datasets import load_iris
import pandas as pd
data = load_iris()
print(dir(data)) # 查看data所具有的属性或方法
print(data.DESCR) # 查看数据集的简介
# 直接读到pandas的数据框中
pd.Dataframe(data=data.data columns=data.feature_names)
X = data.data # 只包括样本的特征,150x4
y = data.target # 样本的类型,[0 1 2]
features = data.feature_names # 4个特征的名称
targets = data.target_names # 3类鸢尾花的名称,跟y中的3个数字对应
plt.figure(figsize=(10 4))
plt.plot(X[: 2][y == 0] X[: 3][y == 0] ‘bs‘ label=targets[0])
plt.plot(X[: 2][y == 1] X[: 3][y == 1] ‘kx‘ label=targets[1])
plt.plot(X[: 2][y == 2] X[: 3][y == 2] ‘ro‘ label=targets[2])
plt.xlabel(features[2])
plt.ylabel(features[3])
plt.title(‘Iris Data Set‘)
plt.legend()
plt.savefig(‘Iri
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2019-11-26 17:15 svm\
目录 0 2019-11-27 15:03 svm\.idea\
目录 0 2019-11-24 16:49 svm\.idea\inspectionProfiles\
文件 174 2019-11-24 16:49 svm\.idea\inspectionProfiles\profiles_settings.xm
文件 188 2019-11-24 16:50 svm\.idea\misc.xm
文件 265 2019-11-24 16:49 svm\.idea\modules.xm
文件 441 2019-11-24 16:50 svm\.idea\svm.iml
文件 7572 2019-11-27 15:03 svm\.idea\workspace.xm
文件 34632 2019-11-23 21:05 svm\data.txt
文件 340496 2019-11-26 16:45 svm\data216x197.npy
文件 67324 2019-11-26 17:15 svm\Iris Data Set.png
文件 969 2019-11-26 17:15 svm\iris-data.py
文件 6627 2019-11-26 11:09 svm\logistic.py
文件 3171 2019-11-26 16:47 svm\mytil-svm.py
文件 2327 2019-11-25 10:09 svm\result
文件 2999 2019-11-25 10:08 svm\resultData
文件 799 2019-11-25 10:09 svm\resultLabel
文件 1567 2019-11-26 11:14 svm\svm-data.py
文件 5108 2019-11-26 17:06 svm\svm-mutilclass.py
文件 8282 2019-11-26 11:47 svm\svm-smo.py
文件 11092 2019-11-26 11:45 svm\svmMLiA.py
文件 3473 2019-11-23 21:23 svm\test.txt
文件 2404 2019-11-24 20:57 svm\testSet.txt
文件 3145 2019-11-24 20:55 svm\testSetRBF.txt
文件 3147 2019-11-24 20:56 svm\testSetRBF2.txt
文件 880 2019-11-25 09:55 svm\three-dimensionality-svm.py
文件 5566 2019-11-26 11:25 svm\two-dimensionality-logistic.py
目录 0 2019-11-24 16:48 svm\venv\
目录 0 2019-11-24 16:48 svm\venv\Include\
目录 0 2019-11-24 16:48 svm\venv\Lib\
目录 0 2019-11-24 16:48 svm\venv\Lib\site-packages\
............此处省略2个文件信息
相关资源
- 自己做的手写数字样本及knn分类代码
- 随机森林算法讲解及源码数据
- SVD推荐算法教程
- 斯坦福大学机器学习第六周编程作业
- 一种简单的可视化SVM软件-winsvm.rar
- 垃圾邮件分类
- 《人工智能》的全套PPT课件
- UCI机器学习社区的葡萄酒品质评估数
- OpenCV基于SVM与BoW类型的图片分类的实
- SVM实战之垃圾邮件过滤
- 机器学习实战——KNN算法代码+数据
- 十大经典算法机器学习及其程序实现
- Logistic回归来预测患疝气病的马的存活
- lssvm工具箱
- libsvm-3.20 版本 Windows64位系统
- libsvm-mat 加强工具箱 by Faruto
- LSSVM工具箱的多分类问题
- IBM SPSS Modeler 18.0 数据库内挖掘指南中
- CS229斯坦福机器学习讲义完整版PDF
- 机器学习10-NLP自然语言处理大量餐馆
- 机器学习8-朴素贝叶斯:数据集与
- 1_2019研究生《机器学习》期末试题参
- DBSCAN算法的基本原理及实现-dbscan.zi
- UCI经典分类二分类数据集
- 基于机器学习的文本分类.pptx
- LSSVM程序
- 反向传播算法PPT
- 机器学习wine数据集
- 最全Pima印第安人数据集
- 吴恩达机器学习全套视频教程
评论
共有 条评论