作者:橘子派
声明:版权所有,转载请注明出处,谢谢。
源码地址:https://github.com/sileixinhua/Python_sklearn_svm_linearSVC_SVC
实验环境:
Windows10
Sublime
Anaconda 1.6.0
Python3.6
根据现有身高和体重训练模型,再对测试集做出判断
代码功能
一.根据现有数据创建标签
#对数据集进行预处理
import random
def calc_bmi(h, w):
bmi = w / (h/100) ** 2
if bmi < 18.5: return "thin"
if bmi < 25.0: return "normal"
return "fat"
#bim值小于18.5是瘦,小于25.0是普通,否侧是胖
fp = open("./data/bmi.csv","w",encoding="utf-8")
fp.write("height,weight,label\r\n")
cnt = {"thin":0, "normal":0, "fat":0}
for i in range(20000):
h = random.randint(120,200)
w = random.randint(35, 80)
label = calc_bmi(h, w)
cnt[label] += 1
fp.write("{0},{1},{2}\r\n".format(h, w, label))
fp.close()
print("ok,", cnt)
二.数据信息可视化绘图
#绘制三种不同类型的数据分布
import matplotlib.pyplot as plt
import pandas as pd
tbl = pd.read_csv("./data/bmi.csv", index_col=2)
#读取数据
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
#三种子图重叠
def scatter(lbl, color):
b = tbl.loc[lbl]
ax.scatter(b["weight"],b["height"], c=color, label=lbl)
scatter("fat", "red")
scatter("normal", "yellow")
scatter("thin", "purple")
#设置不同属性颜色
ax.legend()
plt.show()
#显示图像
运行结果
三.运用sklearn中的SVM的SVC训练数据并预测结果
#用sklearn的SVC方法来训练数据集,并交叉验证预测精度
from sklearn import cross_validation, svm, metrics
import matplotlib.pyplot as plt
import pandas as pd
tbl = pd.read_csv("./data/bmi.csv")
#读取数据
label = tbl["label"]
#读取数据中的标签列
w = tbl["weight"] / 100
h = tbl["height"] / 200
wh = pd.concat([w, h], axis=1)
data_train, data_test, label_train, label_test = cross_validation.train_test_split(wh, label)
#将数据分成两组数据集和测试集
clf = svm.SVC()
clf.fit(data_train, label_train)
#训练数据
predict = clf.predict(data_test)
#预测数据
ac_score = metrics.accuracy_score(label_test, predict)
#生成测试精度
cl_report = metrics.classification_report(label_test, predict)
#生成交叉验证的报告
print(ac_score)
#显示数据精度
print(cl_report)
#显示交叉验证数据集报告
运行结果
交叉验证三组测试集平均预测精度为0.99
四.运用sklearn中的SVM的linearSVC训练数据并预测结果
#用sklearn的LinearSVC方法来训练数据集,并交叉验证预测精度
from sklearn import cross_validation, svm, metrics
import matplotlib.pyplot as plt
import pandas as pd
tbl = pd.read_csv("./data/bmi.csv")
#读取数据
label = tbl["label"]
#读取数据中的标签列
w = tbl["weight"] / 100
h = tbl["height"] / 200
wh = pd.concat([w, h], axis=1)
data_train, data_test, label_train, label_test = cross_validation.train_test_split(wh,label)
#将数据分成两组数据集和测试集
clf = svm.LinearSVC()
clf.fit(data_train, label_train)
#训练数据
predict = clf.predict(data_test)
#预测数据
ac_score = metrics.accuracy_score(label_test, predict)
#生成测试精度
cl_report = metrics.classification_report(label_test, predict)
#生成交叉验证的报告
print(ac_score)
#显示数据精度
print(cl_report)
#显示交叉验证数据集报告
运行结果
交叉验证三组测试集平均预测精度为0.9182
参考文献:
《统计学习方法》
《Web scraping and machine learning by python》