[数据挖掘之scikit-learn] sklean.svm 分类器实例详解

概述

支持向量机（Support Vector Machine）是一种建立在统计学VC维和结构风险最小化原则下的监督学习机制，既可用于分类，也可用于回归和异常值检测。
SVM分类的理论基础及Python代码详见我的《小瓜讲机器学习——分类算法（二）支持向量机（SVM）算法原理详解》。
这里只对scikit-learn中的svm分类器做介绍和实践。

1. sklearn.svm分类器

sklearn库中的svm包是基于国立台湾大学林智仁（Lin Chih-Jen）教授团队开发的libsvm和linearsvm开源库开发的支持向量机包，里面包含多种支持向量机模型，如下表所示

1.1 sklearn.svm.SVC

支持向量机SVC是一种多分类器，帮助可查sklearn.svm.SVC,格式如下

sklearn.svm.SVC(C=1.0, kernel=’rbf’, degree=3, gamma=’auto_deprecated’, coef0=0.0, shrinking=True, 
						probability=False, tol=0.001, cache_size=200, class_weight=None, verbose=False, 
						max_iter=-1, decision_function_shape=’ovr’, random_state=None)

参数说明：

1. C (default=1.0)：惩罚因子，即是SVM优化目标$(\frac{1}{2}||w|{|}^2+C\sum {\xi }_i)$中的松弛变量的系数，C值越大，对误分类的容错变小，过大的C值容易过拟合，C值越小，对误分类的容错变大，过小的C值容易欠拟合；
2. kernel (default=‘rbf’)：核函数选择，可选值：'linear’线性核函数， 'poly’多项式核函数， 'sigmoid’双曲正切核函数,‘rbf’高斯核函数， ‘precomputed’；
   • ‘poly’核函数： $K(x_i,x_j)=(\gamma x_i^T\bullet x_j+r{)}^p$
   2. ‘rbf’核函数：$K(x_i,x_j)=\exp (-\gamma ||x_i-x_j|{|}^2)$
   3. 'sigmoid’核函数：$K(x_i,x_j)=\tanh (\gamma x_i^T{x}_j+r)$
   4. 'linear’核函数：$K(x_i,x_j)=x_i^T{x}_j$
3. degree(default=3)：多项式核函数阶数，只对‘poly’有效；
4. gamma(default=‘auto’)：‘rbf’、‘poly’、'sigmoid’核函数的参数$\gamma$；
5. coef0(default=0.0)：核函数中的常量$r$，仅对‘poly’和‘sigmoid’有用；
6. shrinking(default=True)：是否进行启发式；
7. probability(default=False)：概率估计；
8. tol(default=1e-3)：迭代终止精度；
9. cache_size：核函数的缓存空间；
10. class_weight：类别权重，主要针对不同类别中样本数不平衡的情况；
11. verbose(default=False)：是否将训练的过程详细输出；
12. max_iter(default=-1)：最大迭代次数，默认-1是无限制的意思；
13. decision_function_shape(default=‘ovr’)：SVM是二分类的方法，扩展到多分类情况下需要一定的策略，包含‘ovo’、‘ovr’，默认为’ovr’；
14. random_state(default=None)：将样本顺序随机化，更有利于训练模型。

属性：

1. support_：支持向量的索引值；
2. support_vectors：支持向量；
3. n_support_：支持向量数；
4. dual_coef_：决策函数中支持向量的系数，其实就是式$f(x)=\sum {\alpha }_i{y}_{i}K(x,x_i)+b$其中的${\alpha }_i{y}_i$；
5. coef_：决策函数decision function特征系数参数（仅线性核函数）；
6. intercept_：决策函数常量参数（截距）；
7. fit_status_：拟合程度，0代表正确拟合，1代表非正确；
8. probA_,probB_：Platt的概率估计参数。

1.2 sklearn.svm.NuSVC

支持向量机NuSVC是一种多分类器，帮助可查sklearn.svm.NuSVC,格式如下

sklearn.svm.SVC(nu=0.5, kernel=’rbf’, degree=3, gamma=’auto_deprecated’, coef0=0.0, shrinking=True, 
					probability=False, tol=0.001, cache_size=200, class_weight=None, verbose=False, 
					max_iter=-1, decision_function_shape=’ovr’, random_state=None)

参数说明：与SVC不同的点是将惩罚系数C换了nu，其他都一样。
属性说明：属性与SVC前六点一样，第7和8两项NuSVC没有。

1.3 sklearn.svm.LinearSVC

支持向量机LinearSVC是一种多分类器，帮助可查sklearn.svm.LinearSVC,格式如下

sklearn.svm.LinearSVC(penalty=’l2’, loss=’squared_hinge’, dual=True, tol=0.0001, C=1.0, multi_class=’ovr’, 
							fit_intercept=True, intercept_scaling=1, class_weight=None, verbose=0,
							 random_state=None, max_iter=1000)

参数说明：

1. penalty(default=‘l2’)：正则化参数，L1和L2两种参数可选，仅LinearSVC有；
2. loss(default=‘squared_hinge’)：损失函数，可选值’hinge’和’squared_hinge’；
3. dual(default=True)：是否转化为对偶问题求解；
4. tol(default=1e-4)：迭代终止精度；
5. C(default=1)：惩罚因子，即是SVM优化目标$(\frac{1}{2}||w|{|}^2+C\sum {\xi }_i)$中的松弛变量的系数，C值越大，对误分类的容错变小，过大的C值容易过拟合，C值越小，对误分类的容错变大，过小的C值容易欠拟合；
6. multi_class(default=‘ovr’)：多分类策略，包含‘ovo’、‘ovr’、‘None’，默认为’ovr’；
7. fit_intercept：是否计算截距；
8. intercept_scaling：当self.fit_intercept为True时，实例向量x变为[x，self.intercept_scaling]，即具有等于intercept_scaling的常量值的“合成”特征被附加到实例向量。 截距变为intercept_scaling *合成特征权重注意！ 合成特征权重与所有其他特征一样经受l1 / l2正则化。 为了减小正则化对合成特征权重（并因此对截距）的影响，必须增加intercept_scaling（原文链接：https://blog.csdn.net/ustbclearwang/article/details/81236732）
9. class_weight：类别权重，主要针对不同类别中样本数不平衡的情况；
10. verbose(default=0)：是否将训练的过程详细输出；
11. random_state(default=None)：将样本顺序随机化，更有利于训练模型；
12. max_iter(default=1000)：最大迭代次数。

属性说明：

1. coef_：决策函数decision function特征系数参数（仅线性核函数）；
2. intercept_：决策函数常量参数（截距）；

1.4 SVC实例

训练样本为

4.45925637575900	8.22541838354701	-1
0.0432761720122110	6.30740040001402	-1
6.99716180262699	9.31339338579386	-1
4.75483224215432	9.26037784240288	-1
...
4.15244831176753	1.44597290703838	1
9.55986996363196	1.13832040773527	1
1.63276516895206	0.446783742774178	1
9.38532498107474	0.913169554364942	1

训练过程如下

import numpy as np
import pandas as pd
from sklearn.svm import SVC
import matplotlib.pyplot as plt

def dataplot(data, label):

    data1 = data[label.label==-1]
    data2 = data[label.label==1]

    plt.scatter(data1.x, data1.y, c='red')
    plt.scatter(data2.x, data2.y, c='blue')
    #plt.show()

if __name__=='__main__':

    with open(r'h:python dataanalysissklearnsvm_train_data.txt') as f:
        data = []
        label = []
        for loopi in f.readlines():
            line = loopi.strip().split('t')
            data.append([float(line[0]),float(line[1])])
            label.append(float(line[2]))
        feature_x = np.array(data)
        label_y = np.array(label)

        datax = pd.DataFrame(data, columns=['x','y'])
        labely = pd.DataFrame(label, columns=['label'])

    clf = SVC(C=0.5,kernel='linear')
    clf.fit(feature_x, label_y)
    print('----support vector indice----')
    print(clf.support_)
    print('------ support vector ------')
    print(clf.support_vectors_)
    print('------- coef of feacture -------')
    print(clf.coef_)
    print('--------- intercept_ -------')
    print(clf.intercept_)
    print('--------- n_support_ -------')
    print(clf.n_support_)

    x = np.array([0, 10])
    y = -1/clf.coef_[0,1] * (clf.coef_[0,0] * x + clf.intercept_)

	dataplot(datax, labely)
    plt.plot(x,y)
    plt.show()

可以得到训练的线性支持向量机模型

----support vector indice----
[ 46  62 127 139]
------ support vector ------
[[4.14342744 5.21158368]
 [5.47187479 6.52268275]
 [9.41511021 8.19137839]
 [1.29475743 0.24866204]]
------- coef of feacture -------
[[ 0.89370539 -0.91378603]]
--------- intercept_ -------
[0.07033913]
--------- n_support_ -------
[2 2]

画成图，可以见到蓝色线即是训练得到的分割超平面，两边为正实例和负实例。

最后

以上就是含蓄小白菜为你收集整理的[数据挖掘之scikit-learn] sklean.svm 分类器实例详解的全部内容，希望文章能够帮你解决[数据挖掘之scikit-learn] sklean.svm 分类器实例详解所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。