机器学习应用——sklearn自带数据集训练(支持向量机分类)
来源:互联网 发布:交通枢纽大数据 编辑:程序博客网 时间:2024/05/23 07:23
总地址:git hub :machine-learning-python
源地址:分類法/範例一: Recognizing hand-written digits
1.代码
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Date : 2017-10-20 15:19:37# @Author : VeeL (505220533@qq.com)# @Link : http://blog.csdn.net/ml_1019# @Version : $Id$import matplotlib.pyplot as pltfrom sklearn.model_selection import cross_val_predictfrom sklearn import datasets, svm, metricsdigits = datasets.load_digits()images_and_labels = list(zip(digits.images, digits.target))#数据探索# for index, (image, label) in enumerate(images_and_labels[-4:]):# plt.subplot(2, 4, index + 1)# plt.axis('off')# plt.imshow(image, cmap=plt.cm.gray_r, interpolation='nearest')# plt.title('Training: %i' % label)# plt.show()n_samples = len(digits.images)print(n_samples+1)#(1797, 8, 8) to (1797, 64)data = digits.images.reshape((n_samples, -1))# 產生SVC分類器classifier = svm.SVC(gamma=0.001)# 用前半部份的資料來訓練mid = int((n_samples+1)/2)classifier.fit(data[:mid], digits.target[:mid])# expected = digits.target[mid:]expected = digits.target#利用後半部份的資料來測試分類器,共 899筆資料# predicted = classifier.predict(data[mid:])predicted = cross_val_predict(classifier, data, digits.target, cv=10) #交叉分类,10折print("Confusion matrix:\n%s" % metrics.confusion_matrix(expected, predicted))def plot_confusion_matrix(cm, title='Confusion matrix', cmap=plt.cm.Blues): import numpy as np #自定义imshow http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.imshow # plt.imshow(cm, interpolation='nearest', cmap='cmap') plt.imshow(cm, interpolation='nearest', cmap='jet') # plt.imshow(cm, interpolation='nearest', cmap='gray') plt.title(title) plt.colorbar() tick_marks = np.arange(len(digits.target_names)) #自定义刻度显示数量 plt.xticks(tick_marks, digits.target_names, rotation=45) plt.yticks(tick_marks, digits.target_names) plt.tight_layout() # 紧凑显示图片 plt.ylabel('True label') plt.xlabel('Predicted label')plt.figure()plot_confusion_matrix(metrics.confusion_matrix(expected, predicted))plt.show()
2.数字分类模型效果:
阅读全文
0 0
- 机器学习应用——sklearn自带数据集训练(支持向量机分类)
- 机器学习应用——sklearn自带数据集训练(线性判别分析)
- 机器学习算法(分类算法)—支持向量机(1)
- 机器学习算法(分类算法)—支持向量机 (2)
- 机器学习算法(分类算法)—支持向量机(4)
- 机器学习算法(分类算法)—支持向量机(3)
- 【机器学习】tensorflow: GPU求解带核函数的SVM二分类支持向量机
- sklearn文档 — 1.4. 支持向量机
- 机器学习实战学习笔记(五)分类—支持向量机(python3实现)
- 机器学习概念总结笔记(二)——逻辑回归、贝叶斯分类、支持向量分类SVM、分类决策树ID3、
- 【机器学习算法模型】分类算法——支持向量机(暂缺)
- 应用机器学习(五):支持向量机
- 机器学习---支持向量机(SVM)算法应用(上)
- 机器学习---支持向量机(SVM)算法应用(下)
- 斯坦福大学机器学习——支持向量机(1)
- 斯坦福大学机器学习——支持向量机(2)
- 斯坦福大学机器学习——支持向量机(3)
- 机器学习——支持向量机(SVM)
- XML DOM解析文档 获取文本DoM4j实现增删改
- 柱形图中求最大四边形面积
- NOIp2016 题解
- 逃离焦油坑的伟大尝试——《人月神话》推荐
- 定义函数
- 机器学习应用——sklearn自带数据集训练(支持向量机分类)
- 【贪心+优先队列 / 并查集】【cofun1025】工作安排
- sqlmap 简单操作与数据库账户密码破解
- 寻找单链表的倒数第四个节点
- HDU
- JSTL(第二节)
- WampSever 64 虚拟站点的构建
- hdu 4436 后缀自动机算和
- 经典算法题1:找出数组中只出现一次的数字,其它数字都出现了两次