转载自 百度知道 id:风_南(https://zhidao.baidu.com/usercenter?uid=e9904069236f25705e799313)
转载只为方便学习复习,侵删。
在用scikit-learn包训练机器学习模型时候,这里举一个训练SVM的例子:
1. 先要按照scikit-learn包,先安装下面三个依赖包:
Python (>= 2.6 or >= 3.3),
NumPy (>= 1.6.1),
SciPy (>= 0.9).
然后在cmd命令行中输入:
pip install scikit-learn
import numpy as np X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]]) #数据特征 y = np.array([1, 1, 2, 2]) # 数据对应的标签 from sklearn.svm import SVC # 导入svm的svc类(支持向量分类) clf = SVC() # 创建分类器对象 clf.fit(X, y) # 用训练数据拟合分类器模型 SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, decision_function_shape=None, degree=3, gamma='auto', kernel='rbf', max_iter=-1, probability=False, random_state=None, shrinking=True, clf.predict([[-0.8, -1]]) # 用训练好的分类器去预测[-0.8, -1]数据的标签 #结果 [1]