SVM线性分类器

Halcom

基于手写数字数据的SVM线性分类器
百度网盘链接：
视频链接：http://pan.baidu.com/s/1hrJOOOc
具体链接在halcom.cn论坛，联系人QQ：3283892722
该论坛是一个学习交流平台，我会逐一的和大家分享学习。
欢迎大家录制视频，并提交给我，我来设置视频，你可在论坛进行打赏分享。
视频专用播放器：http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1

使用环境：Win7-32bit-Anaconda2-4.3.1-Windows-x86.exe
数据集：http://pan.baidu.com/s/1kV4xwij

1. # -*- coding: utf-8 -*-
   
2. """
   
3. Created on Sat Jun 10 15:49:24 2017
   
4. 
   
5. @author: ysw
   
6. """
   
7. 
   
8. # 导入pandas与numpy工具包
   
9. import pandas as pd
   
10. import numpy as np
    
11. 
    
12. from sklearn.datasets import load_digits
    
13. digits = load_digits()
    
14. digits.data.shape
    
15. 
    
16. # 数据随机抽样
    
17. from sklearn.cross_validation import train_test_split
    
18. X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.25, random_state=33)
    
19. 
    
20. # 从sklearn.preprocessing里导入StandardScaler。
    
21. from sklearn.preprocessing import StandardScaler
    
22. # 标准化数据，保证每个维度的特征数据方差为1，均值为0。使得预测结果不会被某些维度过大的特征值而主导。
    
23. ss = StandardScaler()
    
24. X_train = ss.fit_transform(X_train)
    
25. X_test = ss.transform(X_test)
    
26. 
    
27. # 从sklearn.linear_model里导入LinearSVC
    
28. from sklearn.svm import LinearSVC
    
29. # 初始化LinearSVC。
    
30. svm_linear = LinearSVC()
    
31. # 调用LogisticRegression中的fit函数/模块用来训练模型参数。
    
32. svm_linear.fit(X_train, y_train)
    
33. # 使用训练好的模型lr对X_test进行预测，结果储存在变量lr_y_predict中。
    
34. svm_linear_y_predict = svm_linear.predict(X_test)
    
35. 
    
36. # 从sklearn.metrics里导入classification_report模块。
    
37. from sklearn.metrics import classification_report
    
38. # 使用svm模型自带的评分函数score获得模型在测试集上的准确性结果。
    
39. print 'Accuracy of svm_linear Classifier:', svm_linear.score(X_test, y_test)
    
40. # 利用classification_report模块获得svm其他三个指标的结果。
    
41. print classification_report(y_test, svm_linear_y_predict, target_names=['0', '1','2','3','4','5','6','7','8','9'])
    
42. 
    
43. # y_train.value_counts()

复制代码

输出结果如下：

1. Accuracy of svm_linear Classifier: 0.953333333333
   
2.              precision    recall  f1-score   support
   
3. 
   
4.           0       0.92      1.00      0.96        35
   
5.           1       0.96      0.98      0.97        54
   
6.           2       0.98      1.00      0.99        44
   
7.           3       0.93      0.93      0.93        46
   
8.           4       0.97      1.00      0.99        35
   
9.           5       0.94      0.94      0.94        48
   
10.           6       0.96      0.98      0.97        51
    
11.           7       0.92      1.00      0.96        35
    
12.           8       0.98      0.84      0.91        58
    
13.           9       0.95      0.91      0.93        44
    
14. 
    
15. avg / total       0.95      0.95      0.95       450

复制代码

参考链接：
【1】SVM and Kernel Methods Matlab Toolbox
【2】