当前位置：首页 > news >正文

【机器学习】分类算法-支持向量机

news 来源：原创 2024/9/21 8:41:12

一、前言

前面讲了KNN算法，这里我们来学习一下支持向量机的模型使用，看一下用支持向量机的方法，是否可以完成了之前KNN算法中的那个“约会网站配对”的算法实现嘞。

二、什么为支持向量机

我们跟着老师的要求来，从四个层次来理解一下支持向量机的操作：

（1）支持向量

就是我们在两堆数据中，找到一个超平面，它可以使两堆数据尽可能多的正确的分开，同时使分开的两堆数据点距离我们的这个平面的分类距离最远。

（2）允许误差

即我们在划分的时候，可能出现一些数据，划分的并不是很准确，可能会有一定的误差，但是这些误差都是允许出现的。

（3）非线性可分

指的是有些非线性的数据，它杂糅在平面中，我们不能用一条线，将这两类数据分开时，我们可以尝试通过将数据映射到三维的空间，此时在三维空间，找到一个划分平面，再将这个平面映射到二维平面（此时的线就可能不是直线了），也是可以的，这是一种降维打击的思考方向。

（4）使用核函数

核函数的做法也是将数据从低纬度映射到高纬度，但是核函数可以事先在低纬度进行计算，实现的效果可以直接展示在高纬度，去除了在高纬度计算的过程。

PS：这个其实不好理解，我下来看哈相关资料后，看哈能不能做一个核函数的推理过程来看看。

三、实现支持向量机

使用我们的scikit-learn库来实现我们的支持向量机的操作。

下载语句，在pycharm终端输入等待即可

pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple/

SKlearn的简单使用

1、导入库

from sklearn import svm

2、定义模型

# 原始的支持向量集，还没有设置核函数等操作
model = svm.SVC()

3、模型函数

# trainingMat为训练（样本）数据，hWLabels为数据的标签
model.fit(trainingMat, hWLabels)

4、模型测试

# vectorUnderTest为我们的测试数据
model.predict(vectorUnderTest)

四、支持向量机实践

这里我们就用KNN算法中的“约会网站配对”的例子来测试我们支持向量机的准确性，完整代码如下：

import numpy as np
import KNN_Package as K
from sklearn import svmdef file2matrix(filename):fr = open(filename)numberOfLines = len(fr.readlines())# 定义一个numberOfLines行，3列的零矩阵# 一定要加两个括号returnMat = np.zeros((numberOfLines, 3))# 标签向量classLabelVector = []fr.close()fr = open(filename)index = 0for line in fr.readlines():# 去掉每一行的前后空格line = line.strip()# 根据tab将数据切割出来，listFromLine就成了一个字符串列表listFromLine = line.split("\t")# listFromLine[0:3]将listFromLine的前三列赋值给returnMat[]数组，因为returnMat有numberOfLines行，就会执行numberOfLines次操作returnMat[index, :] = listFromLine[0:3]# listFromLine[-1]表示最后一列if listFromLine[-1] == 'didntLike':classLabelVector.append(1)elif listFromLine[-1] == 'smallDoses':classLabelVector.append(2)elif listFromLine[-1] == 'largeDoses':classLabelVector.append(3)index += 1fr.close()return returnMat, classLabelVectordatingDataMat, datingLabels = file2matrix("D:/python工具/素材处/KNN(二)/DataText.txt")# 数据归一化处理
# 0-1标注化
def autoNorm(dataSet):# min(0)按特征的列选取，min(1)按照特征的行选取minVals = dataSet.min(0)maxVals = dataSet.max(0)# shape记录了dataSet的行和列normDataSet = np.zeros(dataSet.shape)normDataSet = (dataSet - minVals) / (maxVals - minVals)return normDataSetdataSet = autoNorm(datingDataMat)m = 0.8
# shape[0]表示行、shape[1]表示列
dataSize = dataSet.shape[0]
print("数据集的总行数:", dataSize)
# 80%作为训练 20%作为测试
trainSize = int(m * dataSize)
testSize = int((1 - m) * dataSize)# 原始的支持向量集，还没有设置核函数等操作
model = svm.SVC()
model.fit(dataSet[0:trainSize, :], datingLabels[0:trainSize])result = []
error = 0
# 调用封装好的KNN函数
for i in range(testSize):# dataSet[trainSize + i - 1, :]表示dataSet矩阵中的第trainSize + i - 1行元素（包含对应的所有列）# dataSet[0:trainSize, :]表示一个从0~trainSize行，包含对应所有列的矩阵# datingLabels[0:trainSize]表示截取列表datingLabels中的0~trainSize个元素# 通过reshape函数规整一下数据result = model.predict(dataSet[trainSize + i - 1, :].reshape(1, -1))if result != datingLabels[trainSize + i - 1]:error += 1print('错误率：', error / testSize)

效果：