[Python数据挖掘] sklearn-SVM分类(SVC)

野性酷女 2022-10-02 10:59 201阅读 0赞

\[引言\]

SVM是支持向量机(Support Vector Machine)的简称。

SVM具有分类功能(SVC，C是Classification(分类)的首字母);

也具有回归功能(SVR，R是Regression(回归)的首字母)。

\[问题分析\]

在[\[Python数据挖掘\] sklearn-KMeans聚类][Python_ sklearn-KMeans]一文中，实现了对以下数据集的聚类：

YZN,133,108,76
    ZHY,96,145,101
    WYZ,132,107,60
    DHY,100,102,120
    CYH,139,99,93
    LHY,73,149,81
    ZHY,85,148,93
    TQP,39,138,85
    ZZL,145,112,71
    HJC,101,116,118
    XZY,99,98,117

每行第一列是学生姓名，第二列是语文成绩，第三列是数学成绩，第四列是英语成绩。

sklearn-KMeans已成功将该数据集聚为3类：

英语较好的DHY, HJC, XZY聚在一起；

语文较好的YZN, WYZ, CYH, ZZL聚在一起;

数学较好的ZHY, LHY, ZHY, TQP聚在一起。

称以上数据集为train.txt，作为训练集。

设定以下数据集为test.txt，作为测试集。

ZYF,101,142,90
    WHQ,140,105,93
    LZJ,103,112,115
    BHJ,99,140,91
    FZY,98,111,118
    CWH,144,113,77

使用train.txt的聚类结果对SVC分类器进行训练，然后使用训练好的SVC分类器对test.txt进行分类预测，观察SVC的分类效果如何。

改写[\[Python数据挖掘\] sklearn-KMeans聚类][Python_ sklearn-KMeans]中的代码，首先给出训练集聚类过程：

from sklearn.cluster import KMeans
     
    def loadData(filePath):
        fr = open(filePath, 'r+')
        lines = fr.readlines()
        retName = []
        retData = []
        for line in lines:
            items = line.strip().split(',')
            retName.append(items[0])
            retData.append([float(items[i]) for i in range(1,len(items))])
        return retName, retData
     
    if __name__ == '__main__':
        train_Name, train_Data = loadData('train.txt')
        test_Name, test_Data = loadData('test.txt')
        
        clusters_cnt = 3
        km = KMeans(n_clusters=clusters_cnt)
        train_label = km.fit_predict(train_Data)
     
        train_outputName = []
        for i in range(clusters_cnt):
            train_outputName.append([])
        for i in range(len(train_Name)):
            train_outputName[train_label[i]].append(train_Name[i])
        print('聚类结果：')
        print(train_outputName)

下面使用SVC分类器对test.txt分类预测：

导入sklearn.svm，在代码开头增加一行：

from sklearn import svm

回到主函数结尾处，继续增写代码：

读取测试集：

test_Name, testData = loadData('test.txt')

使用svm.SVC()生成并设置clf分类器

（其中kernel是核函数参数，'rbf'为高斯核函数，又称径向基函数；

kernel的取值可以是'rbf'(高斯核函数)，'linear'(线性核函数)，'poly'(多项式核函数)，'sigmoid'(S型核函数)，等等

对于'rbf', 'poly', 'sigmoid'等，还需为这些核函数显式指定gamma参数；

gamma参数的取值可以是'auto'，'scale'等等）：

clf = svm.SVC(clf = svm.SVC(kernel='rbf', gamma = 'scale'))

使用训练集训练clf分类器，分类器clf的训练函数fit()，传参有两个，第一个是训练集数据，第二个是训练集标签：

clf.fit(train_Data, train_label)

使用clf分类器的predict()函数对测试集进行分类预测：

test_label = clf.predict(test_Data)

编制分类结果：

test_outputName = []
        for i in range(max(test_label)+1):
            test_outputName.append([])
        for i in range(len(test_Name)):
            test_outputName[test_label[i]].append(test_Name[i])
        print('分类结果:')
        print(test_outputName)

输出聚类结果和分类结果的比较情况：

print('比较:')
        for i in range(max(test_label)+1):
            print(test_outputName[i], '与', train_outputName[i], '同类')

输出如下：

聚类结果：
    [['DHY', 'HJC', 'XZY'], ['ZHY', 'LHY', 'ZHY', 'TQP'], ['YZN', 'WYZ', 'CYH', 'ZZL']]
    分类结果:
    [['LZJ', 'FZY'], ['ZYF', 'BHJ'], ['WHQ', 'CWH']]
    比较:
    ['LZJ', 'FZY'] 与 ['DHY', 'HJC', 'XZY'] 同类
    ['ZYF', 'BHJ'] 与 ['ZHY', 'LHY', 'ZHY', 'TQP'] 同类
    ['WHQ', 'CWH'] 与 ['YZN', 'WYZ', 'CYH', 'ZZL'] 同类

可以看到，SVR能够正确分类出语文较好的LZJ, FZY；数学较好的ZYF, BHJ；英语较好的WHQ, CWH。

这与KMeans的聚类结果：

语文较好的YZN, WYZ, CYH, ZZL；数学较好的ZHY, LHY, ZHY, TQP；英语较好的DHY, HJC, XZY；

分类和聚类的类别特征是一致的。

最后附上完整代码如下：

from sklearn.cluster import KMeans
    from sklearn import svm
     
    def loadData(filePath):
        fr = open(filePath, 'r+')
        lines = fr.readlines()
        retName = []
        retData = []
        for line in lines:
            items = line.strip().split(',')
            retName.append(items[0])
            retData.append([float(items[i]) for i in range(1,len(items))])
        return retName, retData
     
    if __name__ == '__main__':
        train_Name, train_Data = loadData('train.txt')
        test_Name, test_Data = loadData('test.txt')
        
        clusters_cnt = 3
        km = KMeans(n_clusters=clusters_cnt)
        train_label = km.fit_predict(train_Data)
     
        train_outputName = []
        for i in range(clusters_cnt):
            train_outputName.append([])
        for i in range(len(train_Name)):
            train_outputName[train_label[i]].append(train_Name[i])
        print('聚类结果：')
        print(train_outputName)
    
        test_Name, testData = loadData('test.txt')
        clf = svm.SVC(kernel='rbf', gamma = 'scale')
        clf.fit(train_Data, train_label)
        test_label = clf.predict(test_Data)
        test_outputName = []
        for i in range(max(test_label)+1):
            test_outputName.append([])
        for i in range(len(test_Name)):
            test_outputName[test_label[i]].append(test_Name[i])
        print('分类结果:')
        print(test_outputName)
        print('比较:')
        for i in range(max(test_label)+1):
            print(test_outputName[i], '与', train_outputName[i], '同类')

[Python_ sklearn-KMeans]: https://blog.csdn.net/swordtraveller/article/details/90726633