from?sklearn?import?svm
import?numpy?as?np
from?sklearn?import?model_selection
import?matplotlib.pyplot?as?plt
import?matplotlib?as?mpl
from?matplotlib?import?colors
#?#?當(dāng)使用numpy中的loadtxt函數(shù)導(dǎo)入該數(shù)據(jù)集時(shí)，假設(shè)數(shù)據(jù)類型dtype為浮點(diǎn)型，但是很明顯數(shù)據(jù)集的第五列的數(shù)據(jù)類型是字符串并不是浮點(diǎn)型。
#?#?因此需要額外做一個(gè)工作，即通過(guò)loadtxt（）函數(shù)中的converters參數(shù)將第五列通過(guò)轉(zhuǎn)換函數(shù)映射成浮點(diǎn)類型的數(shù)據(jù)。
#?#?首先，我們要寫(xiě)出一個(gè)轉(zhuǎn)換函數(shù)：
#?#?定義一個(gè)函數(shù)，將不同類別標(biāo)簽與數(shù)字相對(duì)應(yīng)
def?iris_type（s）:
????class_label={b‘setosa‘:0b‘versicolor‘:1b‘virginica‘:2}
????return?class_label[s]

def?train（model?x_train?y_train）:
????model.fit（x_trainy_train.ravel（））

def?show_accuracy（a?b?tip）:
????acc?=?（a.ravel（）?==?b.ravel（））
????print（“%s?Accuracy:%.3f“%（tip?np.mean（acc）））

def?print_accuracy（model?x_train?y_trainx_test?y_test?）:
????print（‘SVM-輸出訓(xùn)練集的準(zhǔn)確率為:‘?model.score（x_train?y_train））
????print（“SVM-輸出測(cè)試集的準(zhǔn)確率為:“?model.score（x_test?y_test））
????#原始結(jié)果與預(yù)測(cè)結(jié)果進(jìn)行對(duì)比
????show_accuracy（model.predict（x_train）?y_train?‘traing?data‘）
????show_accuracy（model.predict（x_test）?y_test?‘testing?data‘）
????#計(jì)算決策函數(shù)的值
????print（‘decision_function:\n‘?model.decision_function（x_train））

def?draw（model?x）:
????x1_min?x1_max?=?x[:?0].min（）?x[:?0].max（）??#?第0列的范圍??x[:?0]?“：“表示所有行，0表示第1列
????x2_min?x2_max?=?x[:?1].min（）?x[:?1].max（）??#?第1列的范圍??x[:?0]?“：“表示所有行，1表示第2列
????x1?x2?=?np.mgrid[x1_min:x1_max:200j?x2_min:x2_max:200j]??#?生成網(wǎng)格采樣點(diǎn)（用meshgrid函數(shù)生成兩個(gè)網(wǎng)格矩陣X1和X2）
????grid_test?=?np.stack（（x1.flat?x2.flat）?axis=1）??#?測(cè)試點(diǎn)，再通過(guò)stack（）函數(shù)，axis=1，生成測(cè)試點(diǎn)
????#?.flat?將矩陣轉(zhuǎn)變成一維數(shù)組?（與ravel（）的區(qū)別：flatten：返回的是拷貝

????grid_hat?=?model.predict（grid_test）??#?預(yù)測(cè)分類值
????grid_hat?=?grid_hat.reshape（x1.shape）??#?使之與輸入的形狀相同

????#?#?2.指定默認(rèn)字體
????#?mpl.rcParams[‘font.sans-serif‘]?=?[u‘SimHei‘]
????#?mpl.rcParams[‘a(chǎn)xes.unicode_minus‘]?=?False

????#?3.繪制
????cm_light?=?mpl.colors.ListedColormap（[‘#A0FFA0‘?‘#FFA0A0‘?‘#A0A0FF‘]）
????cm_dark?=?mpl.colors.ListedColormap（[‘g‘?‘r‘?‘b‘]）

????#?alpha?=?0.5
????plt.pcolormesh（x1?x2?grid_hat?cmap=cm_light）??#?預(yù)測(cè)值的顯示
????#?plt.plot（x[:?0]?x[:?1]?‘o‘?alpha=alpha?color=‘blue‘?markeredgecolor=‘k‘）
????plt.scatter（x[:?0]?x[:?1]?c=np.squeeze（y）?edgecolor=‘k‘?s=50?cmap?=?cm_dark?）??#?圈中測(cè)試集樣本
????plt.scatter（x_test[:?0]?x_test[:?1]?s=120?facecolors=‘none‘?zorder=10）??#?圈中測(cè)試集樣本
????plt.xlabel（‘sepal?length‘?fontsize=13）
????plt.ylabel（‘sepal?width‘?fontsize=13）
????plt.xlim（x1_min?x1_max）
????plt.ylim（x2_min?x2_max）
????plt.title（‘SVM?feature‘?fontsize=15）
????#?plt.grid（）
????plt.show（）

#1.數(shù)據(jù)準(zhǔn)備
#1.1加載數(shù)據(jù)
#使用numpy中的loadtxt讀入數(shù)據(jù)文件
filepath=‘./iris.txt‘??#?數(shù)據(jù)文件路徑
#注意數(shù)據(jù)的讀取，delimiter參數(shù)是根據(jù)txt文件中的分隔符來(lái)設(shè)置的！
data=np.loadtxt（filepathdtype=floatdelimiter=Noneconverters={4:iris_type}）

#1.2數(shù)據(jù)分割
X?y?=?np.split（data?（4）axis=1）??#?np.split?按照列（axis=1）進(jìn)行分割，從第四列開(kāi)始往后的作為y?數(shù)據(jù)，之前的作為X?數(shù)據(jù)。函數(shù)?split（數(shù)據(jù)，分割位置，軸=1（水平分割）?or?0（垂直分割））。
x?=?X[:0:2]??#?在?X中取前兩列作為特征（為了后期的可視化畫(huà)圖更加直觀，故只取前兩列特征值向量進(jìn)行訓(xùn)練）

x_trainx_testy_trainy_test=model_selection.train_test_split（xyrandom_state=1test_size=0.3）
#

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----

?????文件????????408??2019-08-17?11:27??SVM鳶尾花分類Python實(shí)現(xiàn)\.idea\01-鳶尾花分類SVM.iml

?????文件????????138??2019-08-17?11:26??SVM鳶尾花分類Python實(shí)現(xiàn)\.idea\encodings.xml

?????文件????????294??2019-08-17?11:27??SVM鳶尾花分類Python實(shí)現(xiàn)\.idea\misc.xml

?????文件????????301??2019-08-17?11:26??SVM鳶尾花分類Python實(shí)現(xiàn)\.idea\modules.xml

?????文件???????9622??2019-08-17?18:26??SVM鳶尾花分類Python實(shí)現(xiàn)\.idea\workspace.xml

?????文件???????3808??2019-08-17?13:45??SVM鳶尾花分類Python實(shí)現(xiàn)\iris.txt

?????文件???????5920??2019-08-17?18:26??SVM鳶尾花分類Python實(shí)現(xiàn)\iris_svm.py

?????目錄??????????0??2019-08-17?18:27??SVM鳶尾花分類Python實(shí)現(xiàn)\.idea

?????目錄??????????0??2019-08-17?18:27??SVM鳶尾花分類Python實(shí)現(xiàn)

-----------?---------??----------?-----??----

????????????????20491????????????????????9