开始新的征程~~~~从第一个python 的机器学习实验开始~~~~~SVM实验

1.学习python；

2.学习机器学习；

3.培养良好的职业素养；找自己的方向。

工作还是虚拟机比较好，对于我这种有轻微强迫症的人来说，有个独立的环境还是不错的。

     9:12 安装虚拟机；win7-amd64; 安装pycharm-professional-2017.1；虚拟机安装出现问题一定要看BIOS是否开启了虚拟化；

4.windows下安装sklearn及所需要的库；（有先后顺序，下载对应的版本就可以了）

http://www.lfd.uci.edu/~gohlke/pythonlibs/这里面都是外国友人维护的windows下python扩展二进制包；

（1）numpy安装；

（2）scipy安装；

（3）scikit learn安装；

（4）matplotlib安装；

（5）pandas安装；

pip2 install ***.whl(文件全名)

5.验证安装结果：pip list；

好啦，进入正题：以Iris兰花数据集为例子：于从UCI数据库中下载的Iris原始数据集的样子是这样的，前四列为特征列，第五列为类别列，分别有三种类别Iris-setosa， Iris-versicolor， Iris-virginica。直接上代码吧：

from sklearn import svmfrom numpy import *from sklearn.model_selection import *import numpy as npdef iris_type(s):    it = {'Iris-setosa':0,'Iris-versicolor':1,'Iris-virginica':2}    return it[s]path = u'D:/3-project/StudyPro/iris_data/iris.data'data = np.loadtxt(path, dtype=float, delimiter=',', converters={4:iris_type})#print data#(2)将Iris分为训练集和测试集；x,y = np.split(data,(4,),axis=1)x = x[:,:2]x_train, x_test, y_train, y_test = train_test_split(x,y,random_state=1,train_size=0.6)#(3)训练SVM分类器#clf = svm.SVC(C=0.1, kernel='linear',decision_function_shape='ovr')clf = svm.SVC(C=0.8, kernel='rbf', gamma=20, decision_function_shape='ovr')clf.fit(x_train, y_train.ravel())#(4)计算分类器的准确率print clf.score(x_train, y_train) #精度y_hat = clf.predict(x_train)#show_accuracy(y_hat,y_train,'训练集')# print y_hat# print y_trainprint clf.score(x_test, y_test)y_hat = clf.predict(x_test)#show_accuracy(y_hat,y_test,'测试集')2