李航《统计学习方法》——第七章支持向量机

旧城等待， 2022-05-30 10:28 288阅读 0赞

由于网上资料很多，这里就不再对算法原理进行推导，仅给出博主用Python实现的代码，供大家参考

**适用问题**：二类分类  
  
**实验数据**：二分类的数据 [train\_binary.csv][train_binary.csv]  
  
**SVM有三种模型**，由简至繁为

*  当训练数据训练可分时，通过硬间隔最大化，可学习到**硬间隔支持向量机**，又叫**线性可分支持向量机**
 *  当训练数据训练近似可分时，通过软间隔最大化，可学习到**软间隔支持向量机**，又叫**线性支持向量机**
 *  当训练数据训练不可分时，通过软间隔最大化及**核技巧(kernel trick)**，可学习到**非线性支持向量机**

**实现代码(用sklearn实现)**：

# encoding=utf-8
    
    import time
    
    import numpy as np
    import pandas as pd
    from sklearn.cross_validation import train_test_split
    from sklearn.metrics import accuracy_score
    from sklearn import datasets
    from sklearn import svm
    
    if __name__ == '__main__':
    
        print('prepare datasets...')
        # Iris数据集
        # iris=datasets.load_iris()
        # features=iris.data
        # labels=iris.target
    
        # MINST数据集
        raw_data = pd.read_csv('../data/train_binary.csv', header=0)  # 读取csv数据，并将第一行视为表头，返回DataFrame类型
        data = raw_data.values
        features = data[::, 1::]
        labels = data[::, 0]    # 选取33%数据作为测试集，剩余为训练集
    
        train_features, test_features, train_labels, test_labels = train_test_split(features, labels, test_size=0.33, random_state=0)
    
        time_2=time.time()
        print('Start training...')
        clf = svm.SVC()  # svm class 
        clf.fit(train_features, train_labels)  # training the svc model 
        time_3 = time.time()
        print('training cost %f seconds' % (time_3 - time_2))
    
        print('Start predicting...')
        test_predict=clf.predict(test_features)
        time_4 = time.time()
        print('predicting cost %f seconds' % (time_4 - time_3))
    
        score = accuracy_score(test_labels, test_predict)
    print("The accruacy score is %f" % score)

代码可从这里[svm/svm\_sklearn.py][svm_svm_sklearn.py]获取  
  
*注：可用拆解法（如OvO，OvR）将svm扩展成适用于多分类问题（其他二分类问题亦可），sklearn中已经实现*  
  
  
**运行结果**：  
  
![svm_sklearn_result.png][]

[train_binary.csv]: https://github.com/fuqiuai/lihang_algorithms/blob/master/data/train_binary.csv
[svm_svm_sklearn.py]: https://github.com/fuqiuai/lihang_algorithms/blob/master/svm/svm_sklearn.py
[svm_sklearn_result.png]: /images/20220530/5f951bd815e3411d91458abe97510a65.png