资源简介
该文件包含鸢尾花分类的Python源程序和数据集,数据集内包含 3 类鸢尾花,分别为山鸢尾(setosa)、变色鸢尾(versicolor)和维吉尼亚鸢尾(virginica)。每类各 50 个数据,每条记录有 4 项特征:花萼长度、花萼宽度、花瓣长度、花瓣宽度。
代码片段和文件信息
from sklearn import svm
import numpy as np
from sklearn import model_selection
import matplotlib.pyplot as plt
import matplotlib as mpl
from matplotlib import colors
# # 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。
# # 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。
# # 首先,我们要写出一个转换函数:
# # 定义一个函数,将不同类别标签与数字相对应
def iris_type(s):
class_label={b‘setosa‘:0b‘versicolor‘:1b‘virginica‘:2}
return class_label[s]
def train(model x_train y_train):
model.fit(x_trainy_train.ravel())
def show_accuracy(a b tip):
acc = (a.ravel() == b.ravel())
print(“%s Accuracy:%.3f“%(tip np.mean(acc)))
def print_accuracy(model x_train y_trainx_test y_test ):
print(‘SVM-输出训练集的准确率为:‘ model.score(x_train y_train))
print(“SVM-输出测试集的准确率为:“ model.score(x_test y_test))
#原始结果与预测结果进行对比
show_accuracy(model.predict(x_train) y_train ‘traing data‘)
show_accuracy(model.predict(x_test) y_test ‘testing data‘)
#计算决策函数的值
print(‘decision_function:\n‘ model.decision_function(x_train))
def draw(model x):
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
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
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)
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
# .flat 将矩阵转变成一维数组 (与ravel()的区别:flatten:返回的是拷贝
grid_hat = model.predict(grid_test) # 预测分类值
grid_hat = grid_hat.reshape(x1.shape) # 使之与输入的形状相同
# # 2.指定默认字体
# mpl.rcParams[‘font.sans-serif‘] = [u‘SimHei‘]
# mpl.rcParams[‘axes.unicode_minus‘] = False
# 3.绘制
cm_light = mpl.colors.ListedColormap([‘#A0FFA0‘ ‘#FFA0A0‘ ‘#A0A0FF‘])
cm_dark = mpl.colors.ListedColormap([‘g‘ ‘r‘ ‘b‘])
# alpha = 0.5
plt.pcolormesh(x1 x2 grid_hat cmap=cm_light) # 预测值的显示
# plt.plot(x[: 0] x[: 1] ‘o‘ alpha=alpha color=‘blue‘ markeredgecolor=‘k‘)
plt.scatter(x[: 0] x[: 1] c=np.squeeze(y) edgecolor=‘k‘ s=50 cmap = cm_dark ) # 圈中测试集样本
plt.scatter(x_test[: 0] x_test[: 1] s=120 facecolors=‘none‘ zorder=10) # 圈中测试集样本
plt.xlabel(‘sepal length‘ fontsize=13)
plt.ylabel(‘sepal width‘ fontsize=13)
plt.xlim(x1_min x1_max)
plt.ylim(x2_min x2_max)
plt.title(‘SVM feature‘ fontsize=15)
# plt.grid()
plt.show()
#1.数据准备
#1.1加载数据
#使用numpy中的loadtxt读入数据文件
filepath=‘./iris.txt‘ # 数据文件路径
#注意数据的读取,delimiter参数是根据txt文件中的分隔符来设置的!
data=np.loadtxt(filepathdtype=floatdelimiter=Noneconverters={4:iris_type})
#1.2数据分割
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))。
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)
x_trainx_testy_trainy_test=model_selection.train_test_split(xyrandom_state=1test_size=0.3)
#
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 408 2019-08-17 11:27 SVM鸢尾花分类Python实现\.idea\01-鸢尾花分类SVM.iml
文件 138 2019-08-17 11:26 SVM鸢尾花分类Python实现\.idea\encodings.xm
文件 294 2019-08-17 11:27 SVM鸢尾花分类Python实现\.idea\misc.xm
文件 301 2019-08-17 11:26 SVM鸢尾花分类Python实现\.idea\modules.xm
文件 9622 2019-08-17 18:26 SVM鸢尾花分类Python实现\.idea\workspace.xm
文件 3808 2019-08-17 13:45 SVM鸢尾花分类Python实现\iris.txt
文件 5920 2019-08-17 18:26 SVM鸢尾花分类Python实现\iris_svm.py
目录 0 2019-08-17 18:27 SVM鸢尾花分类Python实现\.idea
目录 0 2019-08-17 18:27 SVM鸢尾花分类Python实现
----------- --------- ---------- ----- ----
20491 9
- 上一篇:arima预测python程序
- 下一篇:显著性目标检测、分割任务实验评价工具包
相关资源
- arima预测python程序
- 必应壁纸天天换python小程序.zip
- python小项目--外星人入侵
- Flask项目实战-超市商品管理平台
- pythonreader.rar
- Python Scrapy爬虫爬取微博和微信公众号
- python写盛金法求一元三次方方程解
- 老男孩Python2018基础高级进阶(28周)
- python http服务器搭建
- Python输入年份月份显示日历
- python实现百度坐标和世界经纬度坐标
- 利用OpenCV检测人脸python程序
- JSYX2.0.zip
- Python题目汇总含答案pdf
- 模态分解emd算法Python实现
- Python读取Las与转换为TXT.zip
- backup.sh.py
- BSTestRunner.pypython3
- SI模型,影响力传播模型,传染病模型
- python自动抓取网页中的pdf文件
- python爬虫网站图片
- Anaconda3 for MacOSX x64百度云
- python16to8
- freetype的python代码
- selenium+python 自动化测试 ---登陆界面测
- OpenCV-Python实现的图片拼接源代码
- 多商品流点弧模型 python+gurobi
- dbfpy操作dbf文件
- python实现果蝇优化算法,测试函数为
- 通过python实现批量excel转pdf代码
评论
共有 条评论